【摘要】：隨著因特網(wǎng)的飛速發(fā)展,網(wǎng)絡(luò)信息的含量急劇增長,網(wǎng)絡(luò)信息獲取的方式也多種多樣。如何準(zhǔn)確、高效地獲取有價值信息成為研究人員和用戶日益關(guān)注的話題�，F(xiàn)有獨立搜索引擎存在數(shù)據(jù)庫覆蓋范圍小、查全率偏低的缺陷,元搜索引擎通過調(diào)用多個獨立搜索引擎的方式擴(kuò)大了檢索的范圍,在一定程度上提高了查全率。但由于獨立搜索引擎返回大量重復(fù)冗余結(jié)果,導(dǎo)致元搜索引擎的結(jié)果顯示代理負(fù)擔(dān)加大、系統(tǒng)查準(zhǔn)率降低、響應(yīng)時間過長。 為解決這一缺陷,本文引入Agent技術(shù),充分利用Agent的代理性、智能性和自主性的特點,將Agent技術(shù)運用到元搜索引擎中,集合兩者各自在web信息挖掘和信息檢索方面的優(yōu)勢,提高元搜索引擎的查詢性能和檢索效率。 本文主要工作內(nèi)容總結(jié)如下： 1、介紹Agent和MAS的相關(guān)理論知識,以及元搜索引擎的概念、工作原理等知識。分析和總結(jié)目前國內(nèi)外關(guān)于Agent技術(shù)在元搜索引擎中的應(yīng)用現(xiàn)狀,提出傳統(tǒng)元搜索引擎存在的不足。 2、建立一種基于獎勵機(jī)制的智能元搜索引擎系統(tǒng)模型。該系統(tǒng)模型為各成員搜索引擎分別創(chuàng)建相應(yīng)的成員Agent,利用成員Agent收集成員搜索引擎的查詢結(jié)果并做相應(yīng)處理。 3、提出一種與系統(tǒng)模型相適應(yīng)的成員搜索引擎調(diào)度策略——基于獎勵機(jī)制的成員搜索引擎調(diào)度策略。該調(diào)度策略充分考慮影響元搜索引擎查詢性能的各個要素,并按照一定的獎勵機(jī)制對各成員搜索引擎的查詢重要度排名,優(yōu)先選擇重要度最高的若干成員搜索引擎進(jìn)行調(diào)度。 4、提出一種與系統(tǒng)模型相適應(yīng)的查詢結(jié)果合成策略——基于獎勵機(jī)制的查詢結(jié)果合成策略。該合成策略針對已調(diào)度成員搜索引擎的查詢結(jié)果,根據(jù)查詢結(jié)果與查詢請求的綜合匹配度等級值,對查詢結(jié)果進(jìn)行歸并排序。 5、用KQML語言實現(xiàn)系統(tǒng)中各Agent間的協(xié)作通信,并對系統(tǒng)性能進(jìn)行綜合分析和對比驗證,證明這種基于獎勵機(jī)制的智能元搜索引擎,其查全率、查準(zhǔn)率和響應(yīng)時間都在一定程度上優(yōu)于傳統(tǒng)元搜索引擎。
[Abstract]:With the rapid development of Internet, the content of network information increases rapidly. How to obtain valuable information accurately and efficiently has become a topic that researchers and users pay more and more attention to. The existing independent search engine has the defects of small coverage of database and low recall rate. Meta search engine expands the range of retrieval by calling multiple independent search engines and improves the recall to a certain extent. However, the independent search engine returns a large number of duplicate redundant results, which leads to the increase of the burden of the display agent of the meta-search engine, the reduction of the system precision rate and the long response time. In order to solve this defect, this paper introduces Agent technology, makes full use of the characteristics of Agent's generation rationality, intelligence and autonomy, applies the Agent technology to the meta search engine, sets their respective advantages in web information mining and information retrieval. Improve the query performance and retrieval efficiency of meta-search engine. The main work of this paper is summarized as follows: 1. Introduce the related theoretical knowledge of Agent and MAS, as well as the concept of meta search engine, working principle and so on. This paper analyzes and summarizes the application status of Agent technology in meta search engine at home and abroad, and points out the shortcomings of traditional meta search engine. 2. Establish an intelligent meta-search engine system model based on reward mechanism. The system model creates the corresponding member Agent, for each member search engine separately and collects the query results of the member search engine by using the member Agent and does the corresponding processing. 3. A member search engine scheduling strategy based on reward mechanism is proposed, which adapts to the system model. The scheduling strategy fully considers the factors that affect the query performance of the meta search engine, and ranks the member search engines according to a certain reward mechanism, and gives priority to the most important member search engines. 4. A query result composition strategy based on reward mechanism is proposed, which is suitable for the system model. The synthesis strategy is aimed at the query result of the scheduled member search engine. According to the comprehensive matching degree between the query result and the query request, the query results are merged and sorted. 5. The cooperative communication among the Agent in the system is realized by using KQML language, and the system performance is analyzed and compared. It is proved that this intelligent meta search engine based on the reward mechanism has its recall rate. Precision rate and response time are better than traditional meta-search engine to some extent.
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP391.3;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉雙印;徐龍琴;沈玉利;;改進(jìn)小生境遺傳算法在元搜索引擎調(diào)度優(yōu)化中的研究[J];重慶師范大學(xué)學(xué)報(自然科學(xué)版);2008年03期

2 董紅斌,李濱麗,李洪峰;基于Mobile Agent的信息搜索技術(shù)[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報;2002年02期

3 汪曉巖,胡慶生,李斌,莊鎮(zhèn)泉;面向Internet的個性化智能信息檢索[J];計算機(jī)研究與發(fā)展;1999年09期

4 王黎明;黃厚寬;;一個基于多階段的多Agent多問題協(xié)商框架[J];計算機(jī)研究與發(fā)展;2005年11期

5 高堅;張偉;;多Agent系統(tǒng)中雙邊多指標(biāo)自動協(xié)商的ACEA算法[J];計算機(jī)研究與發(fā)展;2006年06期

6 常志明;毛新軍;王戟;齊治昌;;多Agent系統(tǒng)中軟構(gòu)件的動態(tài)綁定機(jī)制及其操作語義[J];計算機(jī)研究與發(fā)展;2007年05期

7 賀利堅;黃厚寬;張偉;;多Agent系統(tǒng)中信任和信譽(yù)系統(tǒng)研究綜述[J];計算機(jī)研究與發(fā)展;2008年07期

8 童向榮;黃厚寬;張偉;;一種基于案例的Agent多議題協(xié)商模型[J];計算機(jī)研究與發(fā)展;2009年09期

9 路海明,盧增祥,徐晉暉,李衍達(dá);基于Agent技術(shù)的個性化主動信息服務(wù)[J];計算機(jī)工程與應(yīng)用;1999年06期

10 陳俊杰,薛云,宋翰濤,陸玉昌,余雪麗;基于Agent的元搜索引擎的研究與設(shè)計[J];計算機(jī)工程與應(yīng)用;2003年10期

相關(guān)博士學(xué)位論文 前1條

1 呂琳;基于Multi-agent的協(xié)同制造資源共享的相關(guān)理論與技術(shù)研究[D];武漢理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 彭喜化;基于Agent的元搜索引擎結(jié)果優(yōu)化研究[D];西南農(nóng)業(yè)大學(xué);2004年

2 楊剛?cè)A;基于Agent的個性化信息檢索系統(tǒng)研究[D];大連理工大學(xué);2005年

3 王平;多Agent系統(tǒng)中的信任模型研究[D];西南師范大學(xué);2005年

4 王小朋;基于代理的元搜索引擎的研究[D];遼寧工程技術(shù)大學(xué);2005年

5 孟文杰;元搜索引擎的調(diào)度策略研究[D];中國石油大學(xué);2007年

6 向丹;專業(yè)搜索引擎中的多Agent協(xié)調(diào)研究[D];西華大學(xué);2008年

，

本文編號：2345181