電子商務(wù)的智能搜索引擎技術(shù)的研究

電子商務(wù)的智能搜索引擎技術(shù)的研究

一、搜索引擎的現(xiàn)狀當(dāng)前搜索引擎數(shù)據(jù)庫(kù)檢索和應(yīng)用性差，不利于用戶使用;排序技術(shù)指標(biāo)單一，查找到的信息有效性低;信息分類類目和標(biāo)準(zhǔn)不統(tǒng)一，導(dǎo)致界而友好性低;自身搜索技術(shù)不成熟，誤檢率高，不利于電子商務(wù)使用。搜索引擎主要由搜索器、索引器、檢索器和用戶接口四部分組成。搜索器一般采用一種被稱為Spider的網(wǎng)絡(luò)自動(dòng)跟蹤索引程序。索引器的功能是理解搜索器所索引的信息，從中抽取索引項(xiàng)、建立起自己的物理索引數(shù)據(jù)庫(kù)。檢索器的功能是根據(jù)用戶的查詢?cè)谒饕龓?kù)中快速檢索出文檔，進(jìn)行文檔與查詢的相關(guān)度評(píng)價(jià)，對(duì)將要輸出的結(jié)果進(jìn)行排序，并實(shí)現(xiàn)某種用戶相關(guān)性反饋機(jī)制。用戶接口的作用是輸人用戶查詢，顯示查詢結(jié)果，提供用戶相關(guān)性反饋機(jī)制。目前搜索引擎根據(jù)構(gòu)建時(shí)的不同策略，大致可以分為三種模式:一、建立在分類基礎(chǔ)上的搜索引擎，優(yōu)點(diǎn)是準(zhǔn)確率比較高，不足是查全率不是很好。二、建立在索引文檔基礎(chǔ)上的搜索引擎，優(yōu)點(diǎn)是搜索網(wǎng)絡(luò)信息效率高，查全率好于第一種，但查準(zhǔn)率不及第一種；三、建立在概念的基礎(chǔ)上，突破了傳統(tǒng)搜索引擎中相對(duì)比較簡(jiǎn)單的基于關(guān)鍵詞的匹配，它借助數(shù)據(jù)字典擴(kuò)展條件，通過模式的提取和識(shí)別抽象化搜索條件與文檔之間的聯(lián)系，這種搜索引擎的查準(zhǔn)率較差，而查全率是三者中最高的。利用人工智能先進(jìn)技術(shù)重新設(shè)計(jì)搜索引擎，使搜索引擎更具智能化，使檢索結(jié)果更能反映用戶的需求，這類搜索引擎稱為智能搜索引擎。把信息檢索從目前基于關(guān)鍵詞層面提高到基于知識(shí)層面，是解決問題的根本和關(guān)鍵。二、智能檢索技術(shù)的分析研究1.網(wǎng)絡(luò)Robot的智能技術(shù)分析研究網(wǎng)絡(luò)Robot是一種軟件，它完成任務(wù)必須具備一定的智能，可以概括為以下幾個(gè)方面：(1)提取網(wǎng)頁(yè)中的有效鏈接智能Robot從分析一組指定的URL開始，按照電子商務(wù)的電子詞典對(duì)文檔的相關(guān)性進(jìn)行判斷提取超鏈，濾去不適宜的文檔，降低索引的混亂程度，滿足條件的超鏈按照標(biāo)題或單詞建立索引并產(chǎn)生本地?cái)?shù)據(jù)庫(kù)，使搜索結(jié)果更加純凈。(2)識(shí)別訪問過的鏈接，剔除廣告等無意義的鏈接智能Robot排除掉那些在目標(biāo)URL中已被訪問過的URL；由于WWW的巨大規(guī)模，為避免Robot搜索得太深，從而回不到原處的情況發(fā)生，必須對(duì)搜索的深度進(jìn)行限制；剔除圖像、音頻、視頻等無法進(jìn)行索引的文檔。(3)確定搜索策略Robot的搜索策略是指當(dāng)Robot搜索到一個(gè)文檔后，下一步應(yīng)當(dāng)轉(zhuǎn)移到哪個(gè)文檔的方法問題。它主要有以下幾種搜索策略:①IP地址搜索策略。它實(shí)現(xiàn)的方法是先賦予Robot一個(gè)起始的IP地址，然后根據(jù)IP地址遞增的方式搜索本IP地址段后的每一個(gè)WWW地址中的文檔。優(yōu)點(diǎn)是搜索全面，缺點(diǎn)是不適宜大規(guī)模的搜索。②深度優(yōu)先搜索策略。它是從起始節(jié)點(diǎn)出發(fā)，一直搜索到那些不包含任何超級(jí)鏈接的文件為止，然后再返回某一文檔，再繼續(xù)選擇該文檔中的其他超級(jí)鏈接。優(yōu)點(diǎn)是便于發(fā)現(xiàn)新的站點(diǎn)，但信息面增長(zhǎng)相對(duì)慢一些。③廣度優(yōu)先搜索策略。它是先搜索完一個(gè)Web頁(yè)面中所有的超級(jí)鏈接，然后再繼續(xù)下一層的搜索，直到最底層為止。它能夠很好地解決搜索面的問題，缺點(diǎn)是對(duì)于深層Web文檔要花很長(zhǎng)的時(shí)間才能到達(dá)。我們采取深度與廣度相結(jié)合的策略來采集文檔，滿足條件的文檔放到搜索數(shù)據(jù)庫(kù)并建立索引數(shù)據(jù)庫(kù)，針對(duì)鏈接內(nèi)容發(fā)生變化，采取迅速、及時(shí)的更新機(jī)制，建立的索引庫(kù)供檢索數(shù)據(jù)使用。2.搜索條件的獲取和智能分析研究通常搜索引擎支持最多的是關(guān)鍵詞搜索和在此基礎(chǔ)上的邏輯運(yùn)算，在初步搜索結(jié)果中再搜索和限制條件較為復(fù)雜的高級(jí)搜索，這種簡(jiǎn)單的用戶信息獲取方式勢(shì)必直接影響著搜索結(jié)果的準(zhǔn)確性和相關(guān)性。目前，由于各類電子商務(wù)站點(diǎn)使用的搜索引擎都是基于關(guān)系數(shù)據(jù)庫(kù)的檢索引擎，它無法處理在用戶看來是非常普通的常識(shí)性知識(shí)，更不能處理個(gè)性化知識(shí)、區(qū)域性知識(shí)以及專業(yè)性知識(shí)等。造成上述種種信息檢索困難的原因在于搜索引擎缺乏知識(shí)處理能力和理解能力，對(duì)要檢索的信息僅僅采用機(jī)械的關(guān)鍵詞匹配來實(shí)現(xiàn)。智能搜索引擎檢索的內(nèi)容應(yīng)該是知識(shí)而不是信息，它對(duì)查詢條件的智能分析主要包括以下兩種：(1)提取查詢條件中的有效成分，包括詞匯和邏輯關(guān)系。(2)建立電子商務(wù)知識(shí)庫(kù)來獲取關(guān)鍵詞的同義詞、近義詞及相關(guān)詞，如計(jì)算機(jī)、電腦和微機(jī)是同義關(guān)系，建立概念之間復(fù)雜的語義關(guān)系及常識(shí)上的聯(lián)系，如相機(jī)與膠卷存在常識(shí)上的聯(lián)系。根據(jù)語義關(guān)系和常識(shí)性聯(lián)系對(duì)用戶查詢進(jìn)行相關(guān)性聯(lián)想，提供引導(dǎo)用戶進(jìn)行下一步查詢的線索。這樣一步步地在與用戶交互過程中誘導(dǎo)用戶“表達(dá)”出他真正想找的東西，從而實(shí)現(xiàn)對(duì)查詢的智能導(dǎo)航。三、結(jié)論互聯(lián)網(wǎng)智能搜索是一個(gè)新興的極具魅力的研究領(lǐng)域，它不但為商務(wù)主體提供了迅速接人Internet搜索自己所需商品的智能技術(shù)，而且也免除了交易雙方對(duì)象尋找進(jìn)