基于多Agent的搜索引擎優(yōu)化研究.pdf

1、近幾年來，隨著計算機和網絡的發(fā)展，互聯(lián)網信息成指數(shù)級增長，搜索引擎已經成為用戶上網必不可少的工具。傳統(tǒng)搜索引擎的優(yōu)點是信息量大，更新及時，無需人工干預，但隨著網絡信息的成倍增長，海量搜索技術的弊端也日益明顯，返回信息過多，夾雜著大量重復或無關的信息，必須從檢索結果中自行進行二次或多次篩選，無形中降低了搜索的準確性。迫切需要能有新的技術來解決這些問題。
　　本課題研究了基于多Agent的優(yōu)化搜索的幾個關鍵問題，從第二代搜索當前所存在

2、的問題出發(fā)，對搜索引擎的進行進一步優(yōu)化。
　　在關鍵詞匹配搜索的前提下，通過客戶端和服務器端的Agent的交互，用機器學習的方法，詳細分析用戶的點擊和瀏覽行為來改進服務，把用戶的對網頁的重要性判斷考慮進去，更好的利用用戶相關性反饋信息，使信息的重要性的判斷上增加整個用戶群體的判斷來改進服務器端的算法，優(yōu)化整個搜索引擎的總體性能。提出了在搜索過程中人機相互協(xié)作的重要思想。
　　通過客戶端和服務器端的Agent的交互，把具體到某

3、用戶搜索行為時的不確定性和個性考慮進去，通過用戶使用前提交的興趣偏好信息和歷史瀏覽行為，來增加對于具體某個用戶搜索接口的個性和智能性。
　　本文首先對傳統(tǒng)搜索引擎技術和分類進行了介紹，然后對Agent的定義和系統(tǒng)體系結構及用戶興趣學習技術進行了詳細的介紹。隨后設計出了自己的基于多Agent的搜索引擎的體系結構，詳細設計了各Agent的功能。最后在服務器端使用元搜索引擎的情況下，模擬和實現(xiàn)了客戶端各Agent的搜索行為，并作了對比實