基于Agent的元搜索引擎研究

论文摘要

随着Internet的快速发展,网络信息呈指数级急剧增长,信息获取的方式也多种多样。这种情况下,如何准确、高效地获取信息是研究人员和用户关注的问题。已有的独立搜索引擎各有优点,虽然在某一领域查询精确度较高,但是对于普通用户来说,对于要查询的内容,选择搜索引擎成为难点。元搜索引擎通过调用多个成员搜索引擎的方式扩大了检索的范围,是解决这种问题的一种有效方式。同时元搜索引擎也存在返回的结果过多,考虑用户的搜索倾向不够等问题,难以满足不同用户的需要。并且由于网络环境是动态变化的,现有的元搜索引擎与传统搜索引擎一样不能适应网络环境的动态变化,可能返回无用的信息等问题。针对以上问题,本文将Agent技术引入到元搜索引擎中,利用Agent的适应性来满足网络环境的动态变化,提出了一种基于Agent的元搜索引擎模型IMSA,利用用户的反馈信息,修改对应成员搜索引擎的权值,指导以后的查询。同时针对用户往往不能准确表述自己的查询请求的问题,提出了基于加权与或树的查询扩展算法,利用用户的相关性反馈,修正用户的查询请求,使之更接近用户的实际查询需要,保证用户获得有用的信息。最后通过实验验证和分析了调度策略和查询扩展算法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 论文的研究背景
• 1.2 论文的研究动机
• 1.2.1 传统搜索引擎的不足
• 1.2.2 元搜索引擎的不足
• 1.2.3 问题的分析和解决方案
• 1.3 论文的研究意义
• 1.4 论文的主要工作
• 第二章 搜索引擎及Agent 技术
• 2.1 搜索引擎
• 2.1.1 搜索引擎的分类
• 2.1.2 搜索引擎的发展趋势
• 2.2 元搜索引擎
• 2.2.1 元搜索引擎的分类
• 2.2.2 国内外的研究现状
• 2.2.3 元搜索引擎的主要指标
• 2.2.4 元搜索引擎的核心问题及未来趋势
• 2.3 Agent技术
• 2.3.1 Agent的定义
• 2.3.2 Agent的主要特性
• 2.3.3 Agent的结构
• 2.4 多Agent系统
• 2.4.1 多Agent系统概述
• 2.4.2 MAS的分类
• 2.4.3 多Agent的交互
• 2.4.4 Agent技术在信息检索中的应用现状
• 2.5 本章小结
• 第三章 一种基于Agent 的元搜索引擎模型IMSA
• 3.1 引言
• 3.2 主要模型及评价
• 3.2.1 WebScales模型
• 3.2.2 ProFusion模型
• 3.3 IMSA模型
• 3.3.1 IMSA模型框架
• 3.3.2 各部分的功能
• 3.3.3 IMSA模型的工作流程
• 3.3.4 IMSA模型中多Agent间的交互与协作
• 3.4 本章小结
• 第四章 元搜索引擎的相关技术及算法
• 4.1 成员搜索引擎的调度策略
• 4.1.1 定性法
• 4.1.2 定量法
• 4.1.3 基于学习的方法
• 4.2 文档选择
• 4.2.1 用户指定法
• 4.2.2 权重分配法
• 4.2.3 基于学习的方法
• 4.2.4 确保取回法
• 4.3 结果合成
• 4.3.1 局部相似度调整算法
• 4.3.2 全局相似度估算算法
• 4.4 IMSA中的关键算法
• 4.4.1 IMSA中成员搜索引擎的调度策略
• 4.4.2 基于加权与或树的查询扩展
• 4.4.3 结果合成策略
• 4.5 本章小结
• 第五章 实验分析
• 5.1 实验方案
• 5.2 实验过程
• 5.3 实验结论与分析
• 第六章 总结与展望
• 致谢
• 参考文献
• 攻读学位期间发表的论文目录