基于用戶日志分析的搜索引擎排序算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)的快速發(fā)展使得如何從海量信息中查找有效的數(shù)據(jù)變得越來越重要，搜索引擎通過對網(wǎng)絡(luò)中的信息進(jìn)行爬取和組織，為用戶提供了優(yōu)質(zhì)的查詢服務(wù)接口，它的出現(xiàn)使得目標(biāo)信息的獲取變的更為便捷。搜索引擎已經(jīng)成為互聯(lián)網(wǎng)用戶獲取網(wǎng)絡(luò)資源所必不可少的工具，但由于互聯(lián)網(wǎng)信息量巨大，搜索引擎也無法每次都返回讓人滿意的查詢結(jié)果:首先，當(dāng)用戶輸入一個(gè)查詢，搜索引擎會(huì)返回?cái)?shù)量眾多的相關(guān)結(jié)果，而用戶最為關(guān)心的結(jié)果卻沒能顯示在最前面或最顯眼的位置;其次，由于用戶的對搜索

2、引擎了解程度不同，大部分用戶不能通過檢索請求十分準(zhǔn)確的表達(dá)檢索想法，從而導(dǎo)致搜索結(jié)果的不準(zhǔn)確性。因此，通過用戶的搜索行為了解用戶的查詢意圖對于改善搜索引擎結(jié)果排序的準(zhǔn)確性具有重要意義。
　　 本文通過對搜索引擎查詢?nèi)罩具M(jìn)行統(tǒng)計(jì)分析，由大量用戶的行為找出用戶訪問的一般性規(guī)律，進(jìn)而優(yōu)化網(wǎng)頁排序算法，引導(dǎo)最終的結(jié)果排名，提高搜索引擎的結(jié)果排序的準(zhǔn)確性。論文工作主要包括兩個(gè)方面:
　　 (1)分析搜索引擎用戶查詢?nèi)罩?。研究搜索?/p>

3、志的各個(gè)特征及其相互之間的聯(lián)系，總結(jié)中文搜索引擎用戶的一些基本行為規(guī)律，并根據(jù)對不同時(shí)期搜索日志的分析，發(fā)現(xiàn)中文搜索引擎用戶的搜索行為變化趨勢，為以后的搜索引擎用戶行為分析提供了基礎(chǔ)。
　　 (2)對Lucene的原始排序算法的進(jìn)行優(yōu)化。原始算法是基于向量空間模型的TF-IDF算法，針對該算法只重視關(guān)鍵詞詞頻和文檔的匹配度，而不考慮網(wǎng)頁自身的特點(diǎn)，設(shè)計(jì)了一種基于詞頻匹配度和網(wǎng)頁自身特點(diǎn)相結(jié)合的網(wǎng)頁排名算法。根據(jù)大量用戶查詢行為日

4、志研究出的用戶搜索行為趨勢，在原有的排序算法基礎(chǔ)上增加用戶認(rèn)可度排序因子，可以根據(jù)搜索引擎的需要調(diào)整該因子的權(quán)重系數(shù)使網(wǎng)頁排序最優(yōu)化。這樣可以在既保證了搜索結(jié)果的相關(guān)性和匹配度的前提下，同時(shí)使搜索返回結(jié)果的排序更加符合用戶的搜索需求。
　　 本文設(shè)計(jì)的搜索引擎系統(tǒng)通過boost因子對排序算法做出改進(jìn)，通過對原始排序算法以及結(jié)合用戶反饋信息的優(yōu)化后排序算法的返回結(jié)果進(jìn)行了實(shí)驗(yàn)對比分析，驗(yàn)證了優(yōu)化后排序算法對于查詢返回結(jié)果的排列順序