现阶段 ,用户对于搜索结果的要求不满足于单一结果的呈现 ,而是希望搜索结果更具个性化 ,搜索结果能够按照一定的主次顺序排列出来 ,给用户多种选择.基于模糊聚类算法及推荐技术的搜索引擎结果能够进一步细化搜索数据 ,从而使用户从中挑选最符合心理预期的内容 ,这两项技术的应用能够在一定程度上保障搜索数据的准确性.
1 搜索引擎结果排序所依托的技术项目内容提要
1.1 模糊聚类算法
模糊聚类算法分析是数据挖掘领域的核心技术之一.模糊C-均值聚类算法是一种基于原型的聚类算法.从以往综合搜索引擎技术的发展过程来看 ,它能够解决大量数据的复杂形态处理问题.模糊聚类算法具有操作简单、手段高效、数据适应性强等执行特征[1].从近年来国内相关领域的研究资料中可以看到 ,模糊聚类算法分析是搜索引擎技术环节中使用最为频繁的算法和研究内容.
1.2 推荐技术
将传统推荐技术与搜索引擎结果排序进行整合 ,有效避免了推荐技术在实践过程中的信息繁杂性 ,优化了搜索结果的精准度.推荐技术是针对用户的所搜索的关键词而扩展而来的综合信息推荐技术 ,它是一种收集并整合信息的过程 ,同时具有一定的复杂性[2].正是这些特点的存在 ,使得传统推荐技术出现了种种问题 ,即用户还需要在繁杂的数据中搜索与目标对象有关的数据 ,这就影响搜索数据信息的及时性.
2 通过多种技术的整合能够解决搜索引擎结果单一化的问题
在目前 ,诸多应用领域都采取有效的搜索方式进行整合与提取信息 ,以便于实现数据互通的效果.在一般搜索引擎上 ,只要采用相同的关键词 ,则大家所搜索到的词条结果是一致的.
但正是这种搜索引擎结果的单一性 ,使得搜索被业界技术工作者萌生了进一步开发搜索技术的想法 ,使其能够满足用户的个性化需求.基于此 ,基于模糊聚类算法及推荐技术的搜索引擎结果排序研究被更多的专业人士所关注 ,并且取得了良好的研究成果.从实践应用来看 ,该项技术整合理念与研究内容较为可行.
2.1 探究模糊聚类算法的应用对于搜索引擎结果排序的影响
模糊聚类算法的实际应用对于搜索引擎结果的正确排序有着极为深远的影响.从操作步骤来看 ,模糊聚类算法的实践应用过程中被业界所看重的关键研究内容有四点 :1)如何对 FCM算法中目标函数恰当定义使该目标函数既能反映有关"数据距离"的要求原则 ,又能体现各个特征以及不同样本的重要性 ,模糊聚类算法的应用使搜索引擎结果更加有序 ;2)无论 FCM 算法中目标函数如何定义 ,均会有相应的聚类原型与之对应 ,从而收敛速度甚至聚类效果必然依赖初始划分 ,如何建立一种基于模糊理论的聚类算法来规避聚类原型的问题 ,即从根本上解决对初始划分的敏感性 ,只有这样 ,才能解决搜索引擎结果的精准度问题 ;3)如何恰当的去刻画半监督 FCM 算法 ,使监督样本既能体现其典型性 ,又不失其局限性 ;4)如何减少 FCM 算法的计算量问题 ,该项问题是否能够处理的得当 ,不仅关系到搜索引擎结果排序的质量 ,而且对于用户执行搜索任务的体验感受有着直接影响[3].总之 ,模糊聚类算法与搜索引擎结果排序之间有着细微的关联.
2.2 探究推荐技术的应用对于搜索引擎结果排序的影响
推荐技术的应用能够最大化的丰富搜索引擎结果排序的内容 ,使得用户的搜索结果更具个性化的特点 ,以便于用户从中挑选中最为合适的搜索内容 ,提高搜索效率[4].一般情况下 ,如果系统所推荐的项目是以文本的方式呈现 ,那么文本词汇就是系统执行搜索的主要依据.系统通过词条特点将搜索引擎检索的结果进行分类 ,从而将数据按照一定的次序排列出来 ,用户就可以根据排序结果选择与搜索关键词最为贴切的项目 ,直至完成搜索任务.基于用户的系统过滤推荐技术是现代网络信息处理环节中最为高校的一种搜索技术 ,它具有很重要的现实意义.
3 基于模糊聚类算法与推荐技术应用模式下的搜索引擎结果排序研究
解决搜索结果单一的方法是提供个性化服务 ,并依托模糊聚类算法和推荐技术等内容共同实现智能搜索 ,将搜索结果按照一定的顺次呈现给用户[5].另外 ,在实践过程中 ,也可以通过 Web 数据挖掘技术 ,构建完整的用户模型 ,包括用户背景、搜索行为、查询风格等等 ,通过这些细节的实施与完善 ,为用户提供更多个性化服务 ,同时使得搜索引擎结果排序更为精准 ,提升用户搜索的效率.
4 结束语
通过对搜索引擎结果排序所依托的技术项目的研究 ,分别阐述模糊聚类算法及推荐技术的概念及特点 ,进一步探究模糊聚类算法的应用对于搜索引擎结果排序的影响 ,以及推荐技术的应用对于搜索引擎结果排序的影响 ,并且细致分析了在二者共同作用下搜索引擎结果排序的变动.从各项研究内容中我们可以明确一个问题 ,即搜索引擎结果排序方式受到了模糊聚类算法与推荐技术等现代化手段的影响 ,其应用结果较为显着 ,值得在相关技术领域中推广实施.
参考文献
[1]李建廷.基于模糊积分的元搜索引擎结果排序算法[J].计算机仿真,2010,7(07):125-126.
[2]李贵林,杨禹琪,高星,廖明宏.企业搜索引擎个性化表示与结果排序法研究[J].计算机研究与发展,2014,1(01):109-110.
[3]王琼,顾文轩,徐汀荣.结合关联规则的元搜索引擎结果聚类改进[J].计算机工程与应用,2010,11(11):174-175.
[4]陈晓平,许卓明.一种基于超链接结构的WWW模糊聚类算法[J].常州技术师范学院学报,2010,10(05):162-163.
[5]毕行,徐炜民.基于特定群体兴趣的混合个性化推荐算法[J].上海大学学报(自然科学版),2010,6(06):105-106.
