Web網頁信息多特徵融合的排序算法最佳化研究

《Web網頁信息多特徵融合的排序算法最佳化研究》是2021年西安電子科技大學出版社出版的圖書。

基本介紹

• 中文名：Web網頁信息多特徵融合的排序算法最佳化研究
• 作者：王沖
• 出版社：西安電子科技大學出版社
• 出版時間：2021年10月1日
• 頁數：192 頁
• 開本：16 開
• 裝幀：平裝
• ISBN：9787560661278

內容簡介

　Web信息多特徵融合的聯合排序算法是搜尋引擎及其檢索服務的關鍵技術之一。該書對Web網頁信息多特徵融合的排序算法進行了最佳化研究，全書共13章。每一章的研究內容儘管有一定的相對獨立性，但從第一章到第十三章又層層深入，環環相扣，通過排序算法研究的逐步最佳化、不斷深入與疊代，使得基於Web信息多特徵融合的排序算法質量得到進一步提升，這對滿足網路用戶的信息搜尋與查詢需求有著重要的理論價值與實踐價值。該書術語規範、概念清晰、內容完整、邏輯連貫且研究目標明確，算法原理設計與最佳化及其仿真實驗的驗證分析闡述具有明顯的時代性與探索性。

　　《Web網頁信息多特徵融合的排序算法最佳化研究》可以作為搜尋引擎、大數據挖掘、網路爬蟲、信息檢索、情報分析、網路資源個性化服務、圖書館用戶深度服務等領域的相關本科生、研究生、教師、研究人員或數位化信息服務人員的專題研究用書或學習參考用書。

圖書目錄

第一章 Web信息搜尋與排序概論

1．1 搜尋引擎概述

1．1．1 搜尋引擎的基本結構

1．1．2 傳統搜尋引擎的基本類型

1．1．3 現代智慧型搜尋引擎的類型

1．2 搜尋引擎主要支撐技術

1．2．1 分詞技術

1．2．2 網路爬蟲技術

1．2．3 網頁索引技術

1．2．4 詞頻統計分析技術

1．2．5 自動推理技術

1．2．6 專家系統

1．3 Web採集與索引

1．3．1 Web採集概述

1．3．2 採集器的功能

1．3．3 Web採集框架

1．3．4 DNS域名解析

1．3．5 待採集URL池

1．4 分散式索引

1．5 Web搜尋圖

1．6 PageRank網頁排序方法

1．6．1 PageRank基本方法

1．6．2 PageRank擴展方法

1．6．3 PageRank的性質

本章小結

參考文獻

第二章 網頁排序算法關鍵技術

2．1 搜尋引擎技術

2．1．1 搜尋引擎架構與查詢

2．1．2 搜尋引擎評價

2．2 基於網頁連結結構分析的排序算法

2．2．1 PageRank算法原理

2．2．2 HITS算法原理

2．2．3 WPR算法

2．2．4 TSPR算法

2．2．5 Hilltop算法

2．2．6 SALSA算法

2．2．7 BFS算法

2．2．8 PHIFS算法

2．3 基於網頁內容的網頁排序算法

2．4 基於用戶行為的網頁排序算法

2．5 全文檢索工具Lucene

2．5．1 Lucene簡介

2．5．2 1ucene的核心類

2．6 高效項目管理工具Maven

2．6．1 Maven簡介

2．6．2 Maven的核心元素

2．7 學習自動機

2．7．1 可變結構學習自動機

2．7．2 分散式學習自動機

本章小結

參考文獻

第三章 基於網頁連結與用戶反饋的

PageRank改進算法

3．1 研究問題的提出

3．2 基於網頁連結與用戶反饋PageRank

算法改進原理

3．2．1 偏好因子

3．2．2 熱度因子

3．3 基於網頁連結與用戶反饋的

PageRank算法改進設計

3．4 改進算法的驗證分析

3．4．1 實驗環境與實驗流程

3．4．2 實驗分析

本章小結

參考文獻

第四章 基於用戶反饋與主題關聯度的

網頁排序改進算法

4．1 研究問題的提出

4．2 基於用戶反饋與主題關聯度的

網頁排序改進算法原理

4．2．1 用戶反饋因子

4．2．2 主題因子

4．2．3 時間相關因子

4．3 基於用戶反饋與主題關聯度的

網頁排序改進算法設計

4．4 實驗結果與分析

4．4．1 實驗環境與實驗流程

4．4．2 實驗分析

本章小結

參考文獻

第五章 基於用戶反饋與連結關係的

網頁排序改進算法

5．1 研究問題的提出

5．2 基於用戶反饋與連結關係的網頁排序

改進算法的原理分析

5．2．1 可信度因子

5．2．2 內容相關度因子

5．2．3 時間因子

5．3 實驗結果與分析

5．3．1 實驗環境與實驗流程

5．3．2 實驗分析

本章小結

參考文獻

第六章 基於用戶興趣與主題相關的

PageRank改進算法

6．1 研究問題的提出

6．2 基於用戶興趣與主題相關的

PageRank改進算法的原理分析

6．2．1 用戶興趣度因子

6．2．2 興趣度預測因子

6．2．3 主題相關度因子

6．3 實驗結果與分析

6．3．1 實驗環境與實驗流程

6．3．2 實驗分析

本章小結

參考文獻

第七章 基於用戶反饋特徵聚合的網頁排序算

7．1 研究問題的提出

7．2 基於用戶反饋特徵聚合的

網頁排序算法原理

7．2．1 可信度因子

7．2．2 興趣度因子

7．2．3 內容相關度因子

7．2．4 時間相關度因子

7．3 仿真實驗驗證與分析

7．3．2 仿真實驗流程

7．3．3 AFPR算法Java實現核心代碼塊

7．3．4 仿真實驗結果及驗證分析

本章小結

參考文獻

第八章 基於用戶反饋特徵聚合和內容

相關度的網頁排序算法

8．1 研究問題的提出

8．2 基於用戶反饋特徵聚合和內容

相關度的網頁排序算法原理

8．2．1 線性擬合因子

8．2．2 用戶特徵聚合因子

8．2．3 內容相關度因子

8．3 仿真實驗驗證與分析

8．3．1 仿真實驗與驗證分析平台搭建

8．3．2 仿真實驗流程

8．3．3 UCPR算法Java實現核心代碼塊

8．3．4 仿真實驗結果及驗證分析

本章小結

參考文獻

第九章 基於學習自動機和用戶興趣的

PageRank改進算法

9．1 研究問題的提出

9．1．1 研究問題的套用價值

9．1．2 相關PageRank算法研究

9．1．3 學習自動機的基本原理

9．2 基於學習自動機和用戶興趣的頁面

排序算法原理

9．2．1 基於學習自動機確定網頁間的

超連結權重

9．2．2 興趣度因子

9．3 實驗驗證與分析

9．3．1 實驗平台搭建

9．3．2 效果評價指標

9．3．3 實驗流程

9．3．4 實驗結果及驗證

本章小結

參考文獻

第十章 基於分散式學習自動機和用戶

反饋的網頁排序算法

10．1 基於分散式學習自動機和用戶

反饋的網頁排序算法原理

10．1．1 基於分散式學習自動機確定網頁

超連結權重

10．1．2 用戶反饋因子

10．2 仿真實驗驗證與分析

10．2．1 仿真實驗與驗證分析平台搭建

10．2．2 仿真實驗流程

10．2．3 仿真實驗結果及驗證分析

本章小結

參考文獻

第十一章 基於內容的圖像反饋檢索

11．1 研究背景及意義

11．1．1 研究的背景

11．1．2 研究的意義

11．2 國內外基於內容的圖像反饋檢索

研究概述

11．3 基於內容的圖像檢索框架

11．4 圖像搜尋引擎相關技術

11．5 圖像特徵提取

11．5．1 顏色

11．5．2 紋理

11．5．3 形狀

11．6 圖像匹配

11．7 語義鴻溝

11．8 性能評價準則

本章小結

參考文獻

第十二章 基於SVM二分類的圖像反饋

檢索算法設計

12．1 研究問題的提出

12．2 SVM與K-SVM算法分析

12．2．1 SVM算法

12．2．2 SVM算法的優點

12．2．3 K-SVM算法

12．3 SVM算法改進

12．3．1 K-means算法改進

12．3．2 SVM核函式

12．3．3 Relief算法

12．4 仿真實驗驗證與分析

12．4．1 仿真實驗與驗證分析平台搭建

12．4．2 仿真實驗流程

12．4．3 仿真實驗結果及驗證分析

本章小結

參考文獻

第十三章 多分類器SVM在圖像反饋

檢索中的算法設計

13．1 研究問題的提出

13．2 OVOSVM算法原理分析

13．3 KWOVOSVM算法分析

13．3．1 K-means算法改進

13．3．2 分配相對權重並構造KWOVOSVM分類器

13．4 仿真實驗驗證與分析

13．4．1 仿真實驗步驟

13．4．2 仿真實驗結果及驗證分析

本章小結

參考文獻