基于用戶日志分析的搜索引擎排序算法的設計與實現(xiàn).pdf

1、互聯(lián)網(wǎng)的快速發(fā)展使得如何從海量信息中查找有效的數(shù)據(jù)變得越來越重要，搜索引擎通過對網(wǎng)絡中的信息進行爬取和組織，為用戶提供了優(yōu)質的查詢服務接口，它的出現(xiàn)使得目標信息的獲取變的更為便捷。搜索引擎已經(jīng)成為互聯(lián)網(wǎng)用戶獲取網(wǎng)絡資源所必不可少的工具，但由于互聯(lián)網(wǎng)信息量巨大，搜索引擎也無法每次都返回讓人滿意的查詢結果:首先，當用戶輸入一個查詢，搜索引擎會返回數(shù)量眾多的相關結果，而用戶最為關心的結果卻沒能顯示在最前面或最顯眼的位置;其次，由于用戶的對搜索

2、引擎了解程度不同，大部分用戶不能通過檢索請求十分準確的表達檢索想法，從而導致搜索結果的不準確性。因此，通過用戶的搜索行為了解用戶的查詢意圖對于改善搜索引擎結果排序的準確性具有重要意義。
　　 本文通過對搜索引擎查詢日志進行統(tǒng)計分析，由大量用戶的行為找出用戶訪問的一般性規(guī)律，進而優(yōu)化網(wǎng)頁排序算法，引導最終的結果排名，提高搜索引擎的結果排序的準確性。論文工作主要包括兩個方面:
　　 (1)分析搜索引擎用戶查詢日志。研究搜索日

3、志的各個特征及其相互之間的聯(lián)系，總結中文搜索引擎用戶的一些基本行為規(guī)律，并根據(jù)對不同時期搜索日志的分析，發(fā)現(xiàn)中文搜索引擎用戶的搜索行為變化趨勢，為以后的搜索引擎用戶行為分析提供了基礎。
　　 (2)對Lucene的原始排序算法的進行優(yōu)化。原始算法是基于向量空間模型的TF-IDF算法，針對該算法只重視關鍵詞詞頻和文檔的匹配度，而不考慮網(wǎng)頁自身的特點，設計了一種基于詞頻匹配度和網(wǎng)頁自身特點相結合的網(wǎng)頁排名算法。根據(jù)大量用戶查詢行為日

4、志研究出的用戶搜索行為趨勢，在原有的排序算法基礎上增加用戶認可度排序因子，可以根據(jù)搜索引擎的需要調整該因子的權重系數(shù)使網(wǎng)頁排序最優(yōu)化。這樣可以在既保證了搜索結果的相關性和匹配度的前提下，同時使搜索返回結果的排序更加符合用戶的搜索需求。
　　 本文設計的搜索引擎系統(tǒng)通過boost因子對排序算法做出改進，通過對原始排序算法以及結合用戶反饋信息的優(yōu)化后排序算法的返回結果進行了實驗對比分析，驗證了優(yōu)化后排序算法對于查詢返回結果的排列順序