搜索引擎的相關(guān)性排序算法研究.pdf

1、隨著計算機系統(tǒng)性能的提高和網(wǎng)絡(luò)技術(shù)的不斷進步，萬維網(wǎng)成為全球最大的信息資源庫，如何為如此龐大的信息資源提供高效的導(dǎo)航服務(wù)，幫助用戶在海量的數(shù)據(jù)中快速找到需要的信息是搜索引擎亟待解決的問題。通常用戶只關(guān)心搜索引擎返回的排在前面的結(jié)果，然而當(dāng)前搜索引擎返回的查詢結(jié)果與用戶需求的相關(guān)程度并不理想。于是搜索引擎的相關(guān)性排序--按照與用戶查詢的相關(guān)程度對搜索引擎的索引文檔進行排序，成為當(dāng)前研究的重點和熱點。
　　 本文首先研究了文本搜索引

2、擎的相關(guān)性排序模型，并為自學(xué)習(xí)排序模型提出一種構(gòu)造訓(xùn)練集的方法。然后研究了圖像搜索引擎的相關(guān)性排序問題，重點介紹了圖像重排序的方法，并提出一種度量圖像相似性的方法。本文對搜索引擎的相關(guān)性排序方法進行了深入的研究，主要工作和創(chuàng)新之處歸納為以下幾點：
　　 (1)文本搜索引擎的相關(guān)性排序模型，包括布爾模型，向量空間模型，概率模型，超鏈接模型，自學(xué)習(xí)排序模型，其中自學(xué)習(xí)排序模型將機器學(xué)習(xí)的方法運用到搜索引擎的相關(guān)性排序問題，解決了以往

3、模型的許多不足之處。
　　 （2）自學(xué)習(xí)排序模型構(gòu)造訓(xùn)練集。自學(xué)習(xí)排序是一種有監(jiān)督的機器學(xué)習(xí)算法，模型的性能很大程度上依賴訓(xùn)練集。構(gòu)造訓(xùn)練集需要對給定的查詢，人工標(biāo)注文檔與該查詢的相關(guān)程度。對于文本搜索而言，查詢幾乎是無窮的，而人工標(biāo)注耗時費力，所以選擇部分有信息量的查詢來標(biāo)注很有意義。本文提出一種同時考慮查詢的難度，密度和多樣性的貪心算法從海量的查詢中選擇有信息量的查詢進行標(biāo)注。實驗表明本文提出的方法能構(gòu)造一個規(guī)模較小且有效的

4、訓(xùn)練集。
　　 （3）圖像重排序算法?，F(xiàn)今的圖像搜索引擎主要利用圖像周圍文本信息為圖像排序，沒有考慮圖像本身的特征。圖像重排序是在文本搜索結(jié)果的基礎(chǔ)上，通過挖掘圖像視覺特征的內(nèi)在關(guān)系，對原始搜索結(jié)果進行重新排序，使新的序列更能滿足用戶搜索需求。
　　 （4）圖像相似性度量。在圖像重排序算法中圖像相似性的度量至關(guān)重要。一般我們通過計算圖像視覺特征的相似性來估計圖像的相似性。圖像視覺特征包含全局特征（如顏色，紋理，形狀）和局