Web搜索的用戶興趣與智能優(yōu)化研究.pdf

1、隨著信息技術的飛速發(fā)展，互聯網信息量正呈爆炸性增長，萬維網已成為一個巨大而復雜的信息空間，人們已從信息缺乏轉變?yōu)樾畔⑦^載。互聯網信息具有分散、無序、海量等特點，如何從浩瀚的信息資源中快速、有效、準確地找到所需信息是一個具有挑戰(zhàn)性的研究課題，Web搜索正成為互聯網領域的研究熱點和焦點之一。傳統的Web搜索算法注重于Web的鏈接結構和Web頁面等級權重，而忽略了用戶的興趣行為，導致了部分搜索結果不完整及準確率低。此外，通過迭代計算出每個網頁

2、的Hub值和Authority值的方式，導致Web搜索的效率較低，并容易出現一定的分散和泛化現象。針對傳統的Web搜索算法存在的缺點，本文在總結和分析國內外相關研究工作的基礎上，充分結合用戶的興趣行為和相關的智能優(yōu)化算法來展開研究，主要研究內容及創(chuàng)新性工作概括如下:
　　(1)綜述了有關搜索引擎結構及其工作流程、傳統Web搜索算法設計思路和啟發(fā)式算法模型的研究成果及方法，為研究Web搜索算法基礎理論的研究者提供參考和借鑒。

3、　　(2)在分析現有用戶興趣模型表示方式的基礎上，針對Web搜索的特點，結合用戶瀏覽行為、用戶反饋行為、關鍵詞權重以及短期興趣和長期興趣等相關因素，設計了一種基于Web搜索的用戶興趣模型，為后續(xù)研究Web環(huán)境下的啟發(fā)式搜索算法奠定基礎。
　　(3)在充分結合遺傳量子算法和克隆選擇算法優(yōu)點的基礎上，提出一種克隆遺傳量子搜索算法(Clonal Genetic Quantum SearchAlgorithm，CGQSA)，詳細介紹了該算

4、法的設計思路和框架，并運用Markov鏈理論對其收斂性進行分析。同時，具體分析了該算法的計算復雜度，實驗結果表明CGQSA算法具備良好的穩(wěn)定性和可擴展性，其性能明顯優(yōu)于其它的傳統Web搜索算法和啟發(fā)式算法。
　　(4)結合關鍵詞的鏈接權重和Web頁的鏈接結構，設計一種評估Web頁平均權重的數學模型，將每個Web頁表示成種群中的一個個體，并用一個適應度函數對其性能進行評估。
　　(5)在遺傳算法的基礎上，融入模擬退火算法的思想

5、，提出一種遺傳模擬退火搜索算法(Genetic Simulated Annealing SearchAlgorithm，GSASA)，詳細介紹了該算法的設計思路和框架，并對其收斂性進行了具體分析。GSASA算法將遺傳算法和模擬退火算法的優(yōu)點充分結合起來，并充分考慮Web搜索的實際應用環(huán)境，在較大程度上提高了算法的運行效率和求解質量。仿真實驗取得了較理想的實驗結果，從而表明該方法是可行和有效的。
　　我們所得結果是Web搜索算法理論