个性化元搜索引擎模型研究

doi:10.3778/j.issn.1002-8331.2008.36.042

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (36): 150-152.DOI: 10.3778/j.issn.1002-8331.2008.36.042

• 数据库、信号与信息处理 • 上一篇下一篇

个性化元搜索引擎模型研究

孟星,丁振国

西安电子科技大学计算机学院，西安 710071

收稿日期:2008-06-03 修回日期:2008-09-01 出版日期:2008-12-21 发布日期:2008-12-21
通讯作者: 孟星

Personalized meta-search engine model research

MENG Xing,DING Zhen-guo

College of Computer Science，Xidian University，Xi’an 710071，China

Received:2008-06-03 Revised:2008-09-01 Online:2008-12-21 Published:2008-12-21
Contact: MENG Xing

摘要/Abstract

摘要： 在分析了传统搜索引擎以及现有元搜索引擎不足之后，提出了基于Agent的个性化元搜索引擎模型，与传统的元搜索引擎系统相比改进了系统的运行效率，同时给出了基于用户反馈的个性化QR-加权重排序算法，将检索结果的排序质量以及文档的相关度在重排序中加以考虑，与传统的线性重排序算法相比提高了查询的准确程度。

关键词: Agent, 个性化, 元搜索, 用户反馈

Abstract: Based on the analysis of the deficiency of traditional search engine and meta-search engine，the paper puts forward the personalized meta-search engine model based on Agent to improve the efficiency of the system compared with traditional meta-search engine，and presents the personalized QR-re-sort algorithm based on user feedback，considering the quality of search results and relavancy of documents，that improves the accuracy of the query compared with traditional linear-re-sort algorithm.

Key words: Agent, personality, meta-search, user-feedback

孟星,丁振国. 个性化元搜索引擎模型研究[J]. 计算机工程与应用, 2008, 44(36): 150-152.

MENG Xing,DING Zhen-guo. Personalized meta-search engine model research[J]. Computer Engineering and Applications, 2008, 44(36): 150-152.

[1]	黄逸磊，夏志杰，王诣铭. 强关系型社交媒体平台不实信息传播模型研究[J]. 计算机工程与应用, 2021, 57(9): 126-133.
[2]	伍京华，耿翠阳，韩佳丽. 基于Agent的多属性决策模型及其在高校实验教学中的应用[J]. 计算机工程与应用, 2021, 57(8): 238-243.
[3]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[4]	梁琨，任依梦，尚余虎，张翼英，王聪. 深度学习驱动的知识追踪研究进展综述[J]. 计算机工程与应用, 2021, 57(21): 41-58.
[5]	张松慧，熊汉江. 融合神经网络和泊松分解的兴趣点推荐算法[J]. 计算机工程与应用, 2020, 56(21): 176-186.
[6]	刘阳，林民，李艳玲. 交互式检索的用户模拟器研究综述[J]. 计算机工程与应用, 2020, 56(10): 1-9.
[7]	张鹏飞，王宜贵，张志军. 融合标签和多元信息的个性化推荐算法研究[J]. 计算机工程与应用, 2019, 55(5): 159-165.
[8]	李婷1，张瑞芳1，郭克华1，2. 面向个性化网站的增量协同过滤推荐方法[J]. 计算机工程与应用, 2019, 55(4): 225-232.
[9]	林鹏飞，何秀青，陈甜甜，吴华君，何聚厚. 深度学习视阈下MOOC学习者流失预测及干预研究[J]. 计算机工程与应用, 2019, 55(22): 258-264.
[10]	刘振，王甦菁，李擎. 基于多任务中级特征个性化学习的微表情识别[J]. 计算机工程与应用, 2019, 55(18): 151-154.
[11]	吴瑶，姜杰，白晓东，李艺. 使用径迹点集描述的汉字由“楷”变“行”研究[J]. 计算机工程与应用, 2019, 55(17): 232-238.
[12]	王永康，袁卫华，张志军，温鹏. 融合时间隐语义填充和子群划分的推荐算法[J]. 计算机工程与应用, 2019, 55(16): 130-137.
[13]	候营辉，阳旺. 用户情境感知的流式移动应用推荐[J]. 计算机工程与应用, 2019, 55(11): 129-135.
[14]	安敬民，李冠宇. 物联网中基于Multi-Agent的物间动态关系发现[J]. 计算机工程与应用, 2019, 55(10): 108-114.
[15]	李丹，凌捷. 一种基于变长聚类的个性化匿名保护方法[J]. 计算机工程与应用, 2018, 54(8): 85-90.

个性化元搜索引擎模型研究

Personalized meta-search engine model research

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics