云计算环境下可视化探索式搜索引擎的研究

发布时间：2020-02-07 21:06

【摘要】：针对目前搜索引擎返回的信息量过大且缺乏语义关联等问题,提出了一种云计算环境下的可视化探索式搜索引擎模型.该模型通过对元搜索引擎返回的原始信息在云计算环境下语义相似度的计算和语义链的构建,采用探索式搜索方法为用户获取个性化的结果.与传统搜索引擎相比,其结果更加直观地表现了目标信息及其之间丰富的语义关系,该方法使用户能够更为自然而有效地在海量的信息中发现更符合其需求的目标.作为实验模型,还需要更多的元搜索引擎的支持,以及进一步计算优化语义相似度的算法,才能使该模型真正实用化.本研究为云计算环境下构建新一代个性化智能搜索引擎提供了理论和实践上的参考.
【图文】：

元搜索引擎,搜索引擎

时提交一个查询至多个搜索引擎自动完成这一过程，从而减轻了用户的负担［3］．元搜索为探索性搜索提供足够丰富的信息资源．在其搜索框架中，本文使用谷歌、百度和一个专用搜索引擎作为元搜索引擎的底层搜索引擎，称为成员搜索引擎，见图1．在所有的成员搜索引擎获得了返回结果之后，元搜索引擎将结果合并为一个有序列表．目前大多数搜索引擎将其检索结果表示为信息检索记录集(SＲＲ)呈现给用户．一个典型的SＲＲ由UＲL、标题和检索文献的摘要组成［4］．因此，与SＲＲ有关的内容可以用于对来自不同搜索引擎的检索结果进行合并和排序．图1元搜索引擎在元搜索引擎中，选择排在列表前列的SＲＲ，并计算搜索引擎评分的算法称为TopSＲＲ［4］．当查询Q被提交给搜索引擎j时，那么搜索引擎返回动态生成的结果页面，页面上包括一定数目的SＲＲ，在TopSＲＲ算法中，从每个搜索引擎返回的不是前n个文档，而是前n个文档的SＲＲ，其用于估算搜索引擎的得分．直观地说，这是合理的，因为对于一个给定的查询，更好的搜索引擎易于获取更好的结果，，结果的优劣通常是反映在其SＲＲ之上．具体而言，来自搜索引擎j的前n个SＲＲ的标题合并在一起，形成一个标题向量TVj，所有的片段也被合并成一个片段向量SVj．分别计算查询Q和TVj之间的相似度，以及Q和SVj之间的相似度，然后汇总到搜索引擎的j的评分之上．算法可以描述为Sj=c1×Similarity(Q，TVj)+(1－c1)×Similarity(Q，SVj)，在本文定义的框架中，c1=0．5．1．2探索性搜索近年来，出现了一种被称为探索性搜索［1］的新的搜索方法，探索性搜索是一种特定的信息搜索行为，其搜索者具有以下特征:不熟悉其目标领域;实现目标的方法?

关系图,基础架构

相同，所以将服务器置于云计算平台中，称之为云服务器．从云服务器中获得的搜索结果在被传递到终端之前，需要进一步的后期处理，语义关系图的预处理和后期处理步骤需要耗费大量的计算资源，终端的计算能力目前无法处理这些计算密集型的步骤．因此，将这些计算过程提交至云服务器，凭借其强大的计算能力和云计算服务的高可扩展性，搜索引擎框架将实现实时处理．2框架搜索引擎框架的基础架构如图2所示．客户端使得用户以直观交互的方式探索和发现针对特定起始关键词的信息，云服务器通过元搜索和知识集成来构造并返回关系图．该框架由3个主要部分组成:基于元搜索的语义关系图的推理和表示、对基于查询和浏览策略形成的关系图的可视化探索性搜索，以及人机交互．图2框架的基础架构2．1构造语义关系图语义关系图的构造包括3个主要步骤:(i)输入关键词;(ii)在主流搜索引擎上进行元搜索;(iii)对返回的网页和网站的内在关系进行推理．在(i)中，用户输入待查找的关键词;在(ii)中，关键词会被发送到一个内部元搜索引擎，该引擎与包括百度和谷歌在内的成员搜索引擎进行交互，如图1所示，成员搜索引擎接受关键词并返回检索的链接和网页结果列表．具体来说，元搜索引擎调用成员搜索引擎的应用程序接口(API);在(iii)中，对返回的网页和网站进行有效的自然语言处理和统计，并构建语义关系图．尤为重要的是，对于所有从元搜索返回的结果，测量其语义相似度，为可视化探索性搜索做好准备．在所建立的关系图中，各节点表示为关键词，弧被定义为语义关系的长度．特别的是，返回的结果列表按照图中的弧进行索引．2．2计算语义相似度开发网络搜索机制需要解决两个核心问题:(i)如何找到相关的网页，(ii)给定一组潜在的相关网页，如何根据?

【参考文献】