搜索引擎功能,实现智能化搜索,提高搜索质量和效率

　　搜索引擎功能,实现智能化搜索,提高搜索质量和效率

　　如今，使用搜索引擎是获取信息的主要渠道。搜索引擎被广泛使用，不仅方便了用户，而且对社会的发展也产生了很大的影响。数据挖掘技术的发展和应用，进一步完善了搜索引擎的功能，实现了智能搜索，提高了搜索质量和效率。

　　1 数据挖掘技术概述

　　数据挖掘技术在各行各业都有应用，互联网的出现也带动了其更广泛的应用。利用数据挖掘原理对网络数据进行深度挖掘，获取网络知识，逐步实现了网络信息检索技术的智能化发展。随着大数据技术的发展，数据挖掘技术已成为互联网的关键研究技术。数据挖掘技术所涉及的知识包括关联、泛化、分类、偏差等知识。这项技术是人工智能发展的体现之一。基本定义是在数据库中查找知识信息，知识发现过程是基于数据准备和使用数据。通过挖掘法得到的规律，最终通过结构分析来表达。在准备数据时，需要从数据源中提取需求信息，整合成一个统一的整体，发送给数据挖掘工具。通过数据挖掘技术对信息的潜在含义进行分析解读，提取关键部分，利用关联和规则匹配数据库，通过分析处理表达最终解读，便于操作者理解信息。对于当前的信息检索环境，数据挖掘的要求更高。用户利用数据挖掘技术解读用户检索信息，挖掘潜在意义，匹配精准数据库，为用户提供精准信息。

　　2 搜索引擎概述

　　搜索引擎是指网页的全文搜索。它记录每个网页中的关键词，并将其存储在索引表中。当用户搜索关键词时，引擎只会按照索引表关键词查找相关网页。根据信息搜索方式和服务方式，搜索引擎可分为目录、机器人和元搜索三种。例如，雅虎是目录，百度是机器人，等等。

　　搜索引擎主要分为四个模块：搜索器、索引器、用户界面和搜索器。

　　1)Searcher 基于网页采集计划，通过调度运行网页实现自动搜索，快速有效地搜索互联网网页，并存储在引擎网页数据库中。常用的索引策略有三种，即使用*敏*感*词*网址搜索；使用网站popularity Planning URLS 进行搜索；使用网站name或code划分WEB空间即可完成搜索。

　　现代搜索引擎数据太大，无法将用户查询直接连接到数据库进行检索。它需要通过索引系统进行分析和处理，这是搜索者的关键技术。我们目前使用的搜索系统是根据用户查询条件进入索引数据库进行扩展查询，这样可以获得更好更快的结果。

　　2)indexer 理解搜索者搜索到的信息，从中选择索引项，并使用文档和文档库索引表来表示。索引器实现了集中式和分布式索引算法。对于索引器来说，它的关键技术是排序和分词两种技术。一个好的搜索引擎首先要能够快速准确地了解网页内容和用户查询条件。这就是分词技术。计算机系统开发以英文实施。我国单位目前使用的软件基本都是中文版，中英文差距导致软件功能和效率受到影响。因此，必须根据中英文特点使用分词技术。进行分段，以确保系统能够更好地分析和理解网页内容。对中文网页的理解和信息的提取都关系到汉字的知识，而中国人独特的搜索习惯和表达方式也使得中文搜索引擎的发展更加困难，这对搜索的应用提出了不小的挑战其他语言的引擎。

　　3)用户界面主要用于用户输入查询、显示解雇和提供反馈机制。方便用户使用搜索引擎进行查询，可以及时、方便地从搜索中获取更多信息。

　　4)searcher 根据用户查询检索索引库中的信息，对信息和查询信息的相关条件进行评估，对搜索结果进行排序，然后提供用户相关性反馈。常用的信息检索模型包括集合论、概率、代数和混合四种模型。

　　3 数据挖掘在智能搜索引擎中的应用

　　为了满足用户精细化的信息检索需求，本文利用数据挖掘技术的特点，设计了个性化的检索系统，突出为用户提供个性化、准确的信息检索结果。该系统是基于大数据技术设计的。它首先观察用户信息，提取用户兴趣，建立个性化的用户信息数据库，利用关联规则挖掘用户访问日志，实时更新用户信息，实现用户兴趣文档。聚类挖掘，然后更新用户向量表。

　　3.1 搜索引擎系统结构

　　总结并应用数据挖掘技术在智能搜索引擎系统中。首先，用户会根据自己的需求请求查询，中间数据库对用户的查询主题进行模型操作，形成准确的检索模式，为用户提供准确的搜索模块。其次，将提供的准确搜索模块信息提供给信息检索中心。检索中心将提供的信息与用户的兴趣相结合，过滤掉不符合用户个人兴趣的信息，传递用户需要的信息。

　　1)User 模块，为了使用户查询的信息符合自己的要求，需要为用户设计一个专门的输入模块，涉及到模板、关键词、词典、同义词等，这个模块也是基于智能搜索引擎的建立是智能搜索引擎设计的重点。

　　2)Optimal 检索模块，用于接收用户请求进行中介搜索库转换，转换请求格式使搜索引擎能够识别，并根据用户@判断用户的查询记录k5@表，然后系统会为用户提供相应的信息。但是，如果词汇表中没有关键词，则表示用户没有这条查询记录，系统会自动分类并作为属性值使用，可以实时添加和更新。该模块用于接收请求，基于用户个性信息库和搜索引擎信息库实现优化检索。

　　3)关联规则模块，位于用户及其数据库中间，主要通过挖掘用户日志来掌握用户与关键词之间的关联规则，了解用户兴趣，更新用户关键词表挖掘对象是以关键词为一列，每次检索到关键词会形成一行，形成用户关键词表，进而挖掘用户潜在的个人兴趣信息。

　　4)集群挖掘模块，用于更新用户信息库中的用户向量表。个性化搜索引擎根据用户特征提供相应的搜索信息。

　　5)信息库模块。对于搜索引擎来说，信息数据库是其基本模块。信息数据库根据用户的需要提供所需的信息和数据。本模块的构建需要中文名称，中文网站等

　　3.2 关键系统技术1)关联规则技术。

　　这项技术会发现数据库中属性之间的关系。它首先找到频繁项集，然后根据项集形成关联规则，并根据定义满足最小置信度阈值。

　　2)文档分类挖掘技术。

　　对于智能搜索引擎，文档分类是一项非常重要的技术。它根据主题要求对大量文件进行分类。文档分类直接影响搜索引擎的建立。文档分类是根据数据库信息的属性进行分类，从而为用户提供更准确的信息检索服务。但是，在文档分类之前需要计算文档熟悉度，并确保规则的合理性。

　　3)Document 层次聚类方法。

　　本文采用基于SOM的聚类方法，具有实时性、稳定性、抗噪性强。在这种方法下，它会预处理中文文档并提取关键词，然后形成输入模式向量和文档自组织图。文档预处理是让SOM对文档进行编码，以提取更准确的关键词，最后输入到SOM网络中，实现文档的层次聚类。对于输入向量，利用SOM网络进行点积运算，得到输出节点，即聚类中心。但是在实际运行中需要注意，SOM是一个多层次的系统，需要实现多层次的聚类，这样可以减少系统计算量，提高系统运行效率。一定程度上。同时，用户文档也需要设计计时机制。

　　4 结束语

　　综上所述，随着大数据技术的信使费，用户也对信息检索提出了更高的要求，这对搜索引擎来说既是挑战也是机遇。为满足用户个性化的信息检索需求，利用数据挖掘技术构建智能搜索引擎，提高信息检索的准确性，同时也为用户提供更加个性化的检索服务，大大提高了信息检索的速度和质量.