基于粒计算的智能搜索引擎技术研究

《基于粒计算的智能搜索引擎技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着互联网的发展与普及，搜索引擎的使用已经成为人们学习工作中获取信息的重要手段之一．因此，要提高搜索引擎的搜索效率，除了向人们普及正确的使用方法和技巧外，对搜索引擎本身的搜索原理改进也势在必行。智能搜索是人工智能中的一个重要研究领域。众所周知，人工智能所面对的问题通常是不确定的、模糊的、不完整的、海量的信息，无法便捷的找到一条常规问题求解路径，但是如果搜索问题的规模不是很大，使用盲目穷举的搜索策略在某种程度上能够发挥作用，如广度优先搜索和深度优先搜索，由于它们计算复杂度相对比较容易控制，因此被广泛应用在小规模的专

2、家系统中。而反观实际的人工智能应用，问题的求解规模一般都非常大，可供选择的求解方案也比较多，此时仍然采用单纯的穷举搜索策略就不能解决问题了，而启发式搜索通过使用经验性的知识指导搜索的方向，克服了搜索的盲目性，提高了系统运行效率。但是目前所有的启发式搜索算法都未能克服计算量的指数爆炸问题。粒计算是专门针对人工智能中的复杂问题求解而产生的理论，属于软计算科学的一个分支，是信息处理的一种新的概念和范式，覆盖了所有有关粒度的理论、方法、技术和工具的研究，其思想实质是用简单易求、低成本的满足近似精度的解替代精确解，专门针对不精

3、确、不完整、不确定和海量的信息来实现智能系统控制的易处理性、鲁棒性、低代价性。本文尝试将商空间粒度的原理应用到智能搜索引擎中，提出了粒聚类和粒统计启发式搜索算法，着重对数据的粒度原理与使用进行深入的剖析研究。这两种算法的关键在于运用了商空间的分层思想，也就是粒度的划分方式，基于这种划分的思想，不但减少了算法中很多不必要的操作，而且降低了运算的复杂度。在文章的最后，本文对粒聚类算法与粒统计启发式搜索算法进行了验证，实验将其应用于一个类别散乱的小型论文库中，对库中数据进行重构并在此基础上进行检索，获得了比经典算法更好的查

4、找效果。关键词：商空间；粒计算；智能搜索引擎；粒聚类；粒统计启发式搜索。AbstractWiththedevelopmentofInteract，searchenginealreadybecomesoneoftheimportantmeanstoobtaininformationinthepeople’Sstudyandwork．Therefore，it’Simperativetoimprovetheefficiencyofsearchengine，ontheonehand，weneedtopopularthecor

5、rectlywayandskillsontheuseofsearchengines，ontheotherhand,toimprovesearchengine’Soperatemodeisalsoimportant．ArtificialIntelligenceSearchisanimportantareaofresearch，Asweallknow,theproblemsaboutartificialintelligenceisusuallyuncertain，ambiguous，incomplete，massivea

6、ndoftenCannotfindaconventionalsolvingpath，butifthescaleoftheproblemisnottoolarge，atthistimewecanusetheexhaustivesearchstrategy,suchasbreadth-firstsearchanddepth—firstsearch，Becausetheirrelativecalculationtimeconsumptioniseasytocontrol，SOitiswidelyusedinsmall—sc

7、aleexpertsystems．IntheactualAIsystematicapplication，thesolutionscaleofproblemfindingverybigandavailableschemeisalsomort．Therefore，itcannottoobtainouraimifwestilluseasimpleexhaustivesearchstrategy,atthistime，heuristicsearchbyusingempiricalknowledgetoguidethedire

8、ctionofthenextsearchmaydoourfavor．ThiswayisnotonlyreducingthePossibilityofblindnessseaching，butalsoimprovingtheefficiency．Althoughheuristicsearchisadvanced，itstillhasnotover