搜索引擎进行信息检索的优化策略方法(基于词典的分词算法和基于规则检索的用户浏览行为信息及)

　　搜索引擎进行信息检索的优化策略方法(基于词典的分词算法和基于规则检索的用户浏览行为信息及)

　　概括

　　随着互联网技术的飞速发展，在线信息量急剧增加。

　　使用信息变得越来越困难。目前，人们使用搜索引擎来检索互联网上的信息。传统搜索

　　国外谷歌、雅虎、国内百度、天网等引擎发展迅速。截至 2010 年

　　2008年6月，中国网民规模增至4亿，使用搜索引擎的网民比例超过70%。

　　国外搜索引擎使用率较高，搜索引擎市场前景广阔。

　　但是，一般搜索引擎的结果是针对大多数用户的。当搜索词相同时，结果返回给用户

　　结果是一致的。事实上，随着年龄、性别、教育背景、专业等不同，不同的用户

　　单词搜索中的兴趣点不一致。个性化搜索引擎尝试分析文档结构、用户浏览行为信息

　　文档信息和用户评价信息，建立用户兴趣模型，引导搜索引擎查询结果

　　并对结果进行排序，尽量满足每个用户的需求。

　　本文主要在搜索引擎中实现三个功能：1、中文分词技术。2、实现用户

　　推荐功能。3、 实现了个性化搜索，更适合根据不同用户兴趣返回同一个查询。

　　用户兴趣点的结果。

　　中文分词是自然语言处理的一个范畴，是搜索引擎查询和索引的基础。目前

　　中文分词算法常用的有基于词典的分词算法、基于统计的分词算法和基于规则的算法。

　　分词算法。基于字典的分词算法设计思路简单，被大多数程序员使用。但

　　中文分词有两大难点，二义性的消除和未注册词的识别。经过多位学者

　　努力还没有能够完美地解决这个问题。本文中的分词算法是原分词算法的一部分

　　改进以提高分词的准确性。

　　在用户使用搜索引擎检索的过程中，查询词是用户与搜索引擎交互的唯一手。

　　部分。查询的准确性直接关系到用户搜索结果的准确性。但是，大多数用户无法

　　描述你遇到的问题，所以会影响返回的结果。用户推荐的一个很好的解决方案

　　为解决这个问题，当用户输入查询限制时，首先通过中文分词技术将字符串切割成词

　　语言，然后根据用户的关联规则推荐给用户返回更多语义相关的查询结果

　　选择或参考。

　　个性化检索是指通过挖掘用户兴趣信息，建立合理的模型来表示和管理用户

　　兴趣，并通过不断的更新和维护，逐步优化模型，使其能够准确反映用户的兴趣和需求，

　　为后续的搜索工作提供个性化的分析依据。包括用户搜索到的关键词，以及搜索结果

　　点击结果，每个网站浏览行为，书签状态等，搜索引擎已经掌握了这些用户信息

　　分析，当用户搜索新的关键词时，可以返回更有针对性的搜索结果，从而提高用户友好度

　　用户体验。

　　论文的创新点在于：

　　1）自己设计了中文分词核心词典，收录了119803个常用中文词。

　　1015 机器术语。新词词典是计算机程序的主动学习。未注册的词不断添加。新的

　　单词。新词词典用于存储未注册词和分词时出现的歧义词。

　　扩充字典。本文实现的中文分词提高了现有分词算法的准确率。

　　2） 在通用搜索引擎实现技术的基础上，加入用户兴趣模型，实现个性化

　　搜索技术。用户兴趣模型的建立就是通过网络日志挖掘技术挖掘用户的历史

　　浏览记录和浏览行为，基于群组环境，查找相似用户，并使用相似用户的搜索结果

　　或类似用户的兴趣，以扩大所处理信息的广度和准确性。

　　关键词：搜索引擎；用户推荐；中文分词；琉森；阿贾克斯

　　抽象的

　　随着互联网上可用的信息量呈指数级增长，

　　越来越多地检索感兴趣的文件的任务变得困难。目前

　　搜索引擎是大多数人获取信息的便捷高效方式

　　互联网用户。传统的搜索引擎，比如谷歌，