基于多Agent协作的智能搜索引擎的研究

来源 :武汉理工大学 | 被引量 : 0次 | 上传用户:dvcsvf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在互联网获得巨大发展的今天,搜索引擎提供的互联网信息导航服务已经成为非常重要的网络服务,搜索引擎也已成为互联网用户在较短的时间内从在信息量浩如烟海的互联网上搜索、获取信息资源必不可少的网络工具,有许多商业搜索引擎已成为“网络门户”。但随着用户对信息检索的要求不断提高和网络信息资源的不断丰富,当前广泛使用的按照传统的设计模式设计的搜索引擎虽然在一定程度上解决了对互联网中的信息资源的定位问题,但也表现出不能照顾用户的兴趣、资源迷向、信息丢失等缺陷,已不能完全满足用户日益增长的对信息检索服务智能化、个性化的使用需求。对传统搜索引擎的缺陷进行分析后认为:传统搜索引擎缺乏智能化,缺少知识处理和理解知识的能力,对要检索的信息只是采用某类检索模型到预先建好的索引文件中去检索,而不能学习用户的兴趣需求、区分不同领域的词义差别、对同一概念的词语进行关联扩展,将已在许多领域得到广泛应用的人工智能技术与搜索引擎技术结合起来使搜索引擎具有智能化将是解决搜索引擎存在的缺陷的关键。因此提出了以多个智能Agent组成的多Agent系统(MAS)协作实现智能化的搜索引擎的思想,并在此思想基础上设计了一个基于多Agent协作的智能辅助翻译搜索引擎(IATSESMA),以其为模型描述MAS在完成搜索引擎智能化方面的应用。IATSESMA是一个既突出用户的个性化特色又能自动学习、理解、扩展、处理知识,又集主动搜索和元搜索于一体的智能搜索引擎系统,它将智能Agent技术、搜索技术和翻译技术有机结合,将互联网上的中英文双语网页信息汇集起来提供给用户进行翻译检索。它采用多个智能Agent组成的MAS协同工作的方式实现搜索引擎的智能化,用索引检索、主动搜索和元搜索相互补充的方法来提高整个系统的查全率和查准率;采用“用户个性化数据库”描述搜索引擎的用户个性化,结合MAS中的学习Agent、用户Agent针对用户的个性化特征对信息分析学习,帮助用户细化搜索请求、区分特定领域词语的含义、扩展关联词语、以兴趣为依据归并信息。
其他文献
平台化是管理软件的发展趋势。传统的管理系统是在低层的技术平台上直接构建的,采用面向技术、业务无关的“原始”编程工具进行开发,这直接导致了所开发的管理系统具有两个重大
随着计算机和通信技术的不断发展,嵌入式系统的应用日益广泛,但传统的开发方法限制了软件开发人员,因为软件的调试,需要在真实的目标系统上完成。为了解决这个软件开发的瓶颈,全系
自然语言理解是人工智能领域的经典难题,目前国内外有大量的研究。在汉语信息处理领域,相应的研究应该包括有字处理、词处理、句处理、篇章处理。然而到目前为止,关于汉语理解的
新的网络存储技术——SAN(Storage Area Network)以其自身多方面的优势,为日益增长的信息存储和管理提供了良好的解决方案,成为网络存储理想的管理和应用模式。但目前,SAN的管理
在过去十年里,随着众多领域并行计算需求的迅速增长而硬件又受到摩尔定律的严重制约,多核CPU现在被越来越多的应用于并行计算机中,于是基于多核处理器的并行程序设计技术也就成
随着“信息爆炸时代”的来临,如何更快、更准、更方便的搜寻到数据已经成为了当代社会关注的焦点。在这种需求的刺激下,搜索引擎技术成为了计算机科学的研究热点。顺应这股潮流
近几十年来,数据库技术和海量存储器等硬件的快速发展使得人们收集数据的能力得到进一步的提高。面对信息时代海量数据的出现,如何有效地利用巨量的原始数据分析现状以预测未
本文对MDA中PIM到PSM/SQL模型转换进行了研究。文章探讨了MDA中PIM到基于SQL的PSM的模型转换技术。定义了UML类到SQL表的模型转换关系,给出了UML类源元模型、SQL目标元模型以
聋人在获取信息,尤其是实时性极强的新闻类信息时,存在着很大障碍。如何使用计算机技术帮助聋人提高他们对信息的接收能力成为一个既有极高科研价值,又有极强实际意义的课题
数据仓库系统是随着分析型应用的兴起而发展而来,旨在帮助企业充分利用宝贵的信息资源,做出正确的决策。在数据仓库系统的建设过程中,ETL(Extract Transform Load)是整个数据仓