搜索引擎优化毕业论文(基于用户行为特征的本地搜索引擎系统框架研究发展现状及对策)

　　搜索引擎优化毕业论文(基于用户行为特征的本地搜索引擎系统框架研究发展现状及对策)

　　【摘要】 搜索引擎虽然只存在了20多年，但已经从最初的服务器搜索发展到互联网上海量数据的搜索。现在，由于人们对检索结果质量要求的逐步提高和网络信息量的迅速增加，搜索引擎开始向专业化、人性化方向发展。本地搜索引擎作为通用搜索引擎的个性化实现，在检索内容和数据结构上存在明显差异，传统的排序算法并不能完全适用于本地搜索。本地搜索内容与人们的日常生活息息相关，检索过程很大程度上取决于用户的行为习惯。结合本地搜索的特点，通过对一般搜索和本地搜索中用户检索行为的对比分析，提出了一种基于用户行为特征的本地搜索引擎系统框架。首先，以Nutch搜索引擎为基础部分的核心，加入一个本地生活词典进行中文分词，采用双向匹配法，提出适合本地搜索的POI三部分索引，实现三个基础模块本地搜索引擎的爬虫、索引和检索。然后，分析当前通用搜索利用用户行为特征优化搜索的研发现状和现有的用户行为特征采集方法，比较本地搜索和通用搜索的特点，选择适合的用户行为特征本地搜索。并提出了本地搜索用户行为特征采集方案。最后，为了利用提取的局部搜索用户行为特征应用于排序优化，将机器学习SVM分类算法改为适合排序的SVM排序算法，再使用SVM排序算法对局部搜索进行排序采集 获得的用户。将行为特征值与通用搜索的排名结果相结合，得到基于用户行为分析的局部搜索排名结果。为了验证用户行为对排名结果的优化效果，采用三种方法进行对比实验。实验结果表明，在结合用户行为特征后，局部搜索排名结果的平均准确率和前十名文档的相关性得到了一定程度的提升。用户行为特征使得排序结果更容易、更准确地反映用户的兴趣，提升用户的搜索体验。