基于用户行为学习的元搜索结果聚类方法研究*

doi:10.11925/infotech.1003-3513.2010.04.09

现代图书情报技术

2010, Vol. 26

Issue (4): 53-58 https://doi.org/10.11925/infotech.1003-3513.2010.04.09

知识组织与知识管理

本期目录 | 过刊浏览 | 高级检索

基于用户行为学习的元搜索结果聚类方法研究*

徐洋,王文生,谢能付

(中国农业科学院农业信息研究所北京 100081)
(中华人民共和国农业部重点开放实验室智能化农业预警技术重点开放实验室北京 100081)

The Study of User Behavior Learning Based Results Clustering Method

Xu Yang,Wang Wensheng,Xie Nengfu

(Institute of Agriculture Information, Chinese Academy of Agricultural Sciences, Beijing 100081, China)
(Key Laboratory of Digital Agricultural Early-warning Technology Ministry of Agriculture of the
People’s Republic of China, Beijing 100081, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (649 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

为解决搜索引擎结果繁杂而导致的浏览性不高的问题，提出一个基于用户行为学习的元搜索框架和结果聚类方法，并加以详细描述。利用该框架与方法，可以实时搜集用户行为进行推理学习，将学习到的有效知识存入知识库用以指导结果聚类，并随着用户的搜索过程不断调整完善。原型系统证明该方法是可行有效的。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐洋
	王文生
	谢能付

关键词 ：元搜索 , 用户行为学习 , 结果聚类

Abstract：

In order to improve the legibility of searching results in current meta-search engines, an intellective meta-search engine framework and a results clustering method based on user behavior learning are set forth in a detailed description. Using this framework and method, the system can assemble the information of user behavior in real-time for reasoning and learning, accumulate the efficient knowledge into knowledge-base for the results cluster managing, adapt itself and be perfect continually as the users’ searching processes. The prototype system proves that the method is feasible and efficacious.

Key words： Meta-search User behavior learning Results clustering

收稿日期: 2010-03-04 出版日期: 2010-04-25

TP181

基金资助:

*本文系中国农业科学院农业信息研究所基本科研业务费专项项目“基于语义Web的农业信息个性化服务研究”(项目编号：2008211)和国家科技重大专项课题“TD-SCDMA农业信息化应用方案开发及示范验证”(项目编号：2009ZX03001-019)的研究成果之一。

通讯作者: 徐洋 E-mail: xuy1202@163.com

引用本文:

徐洋王文生谢能付. 基于用户行为学习的元搜索结果聚类方法研究*[J]. 现代图书情报技术, 2010, 26(4): 53-58.
Xu Yang,Wang Wensheng,Xie Nengfu. The Study of User Behavior Learning Based Results Clustering Method. New Technology of Library and Information Service, 2010, 26(4): 53-58.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.04.09 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I4/53

［1］钱功伟，倪林，田甜，等.带聚类处理的元搜索引擎的设计与实现［J］.计算机工程与应用,2007,43(22):182-185.
［2］ Valdéz-Pérez R E, Pereira F.Concise, Intelligible, and Approximate Profiling of Multiple Classes［J］.International Journal of Human-Computer System,2000, 53(3):411-436.
［3］ Zeng H J, He Q C, Chen Z, et al. Learning to Cluster Web Search Results［C］. In:Proceedings of the 27th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Sheffield, United Kingdom. New York, NY, USA:ACM, 2004:210 - 217.
［4］彭喜化,张林,余建桥. 基于Agent的元搜索引擎结果优化技术［J］.计算机应用,2003,23(12):68-69,72.
［5］刘炜,陈俊杰. 一种基于Agent的智能元搜索引擎框架［J］.计算机工程与应用,2005,41（3）:137-138，211.
［6］陈俊杰,薛云,宋翰涛,等. 基于Agent的元搜索引擎的研究与设计［J］.计算机工程与应用,2003,39（10）:33-36.
［7］王浩鸣，张曰贤，吴志军，等. 基于智能Agent的中文元搜索引擎模型研究［J］.计算机工程与应用，2005，41（31）：154-156,204.
［8］徐科，黄国景，崔志明.元搜索引擎中基于用户兴趣的个性化调度模型［J］.清华大学学报：自然科学版，2005，45（9）：1915-1919.
［9］王津涛，兰皓.面向主题元搜索引擎的设计与实现［J］.计算机工程，2005，31（7）：168-169,173.
［10］李四明，陶兰，王保迎.面向智能Agent的元搜索引擎的设计与实现［J］.计算机工程，2004，30（5）：147-149.
［11］刘丽，孙燕唐.智能型元搜索引擎的设计与实现［J］.计算机工程，2003，29（6）：118-121.

[1]	黄微高俊峰. 基于概念格的Web学术信息搜索结果的二次组织*[J]. 现代图书情报技术, 2010, 26(5): 8-12.

Viewed

Full text

Abstract

Cited

Shared

Discussed