搜索博士论文范文参考关于搜索博士的优秀论文范文【10篇】

搜索博士论文范文参考关于搜索博士的优秀论文范文【10篇】 目前,网络已经同报纸、广播和电视一样成为主要的信息.在网络上获取信息的主要途径是网络搜索,其工具一般为搜索引擎.伴随着互联网的普及,网络搜索/搜索引擎产业蓬勃发展,吸引了学术界的广泛关注.研究网络搜索行为,也就是了解用户如何与搜索引擎进行交互,不但能够改进搜索引擎,提升信息检索效率,而且能够帮助设计更为人性化的人机交互方式,提升搜索体验.传统网络搜索行为研究多采用调查问卷、访谈和日志分析等方式.调查问卷和访谈能够在一定程度上描绘用户与搜索引擎的交互过程,然而得到的是间接结果.通过日志分析能够得到包括查询和点击在内的交互数据,从而得到直接结果.但是,用户在产生交互动作之前浏览搜索结果的过程却无法得知.眼动跟踪设备的出现,为解决这一问题提供了很好的工具.该设备能够记录用户在阅读、浏览和搜索等视觉行为时的眼睛运动数据.这些数据是实时的和过程式的,例如用户的目光停留在何处,持续多长时间.分析这些数据能够直接和客观的再现用户浏览搜索结果的视觉行为过程.本博士论文利用眼动跟踪设备,分析包括网页搜索和图像搜索在内的网络搜索行为,并通过建立用户行为模型和利用机器学习算法的方式预测网络搜索行为.本博士论文发现用户在网页搜索中存在对用户推荐(User remendation)的视盲现象.将用户推荐作为附加信息加入到搜索引擎结果页面,通过眼动实验观察被试在完成网页搜索任务时的行为变化.研究发现,被试在无推荐、被动推荐和主动推荐时的行为没有显著差异,其原因在于被试在搜索过程中常常会忽视用户推荐,产生无意视盲(Inattentional blindness)现象.本博士论文发现用户在图像搜索中存在特殊的行为规律,称作颁奖台(Podium)模式.通过眼动实验,观察被试在完成图像搜索任务时的行为,深入了解用户浏览搜索结果的一般规律,以及搜索任务类型和搜索结果排列顺序对用户行为的影响.研究发现,被试在浏览和选择处于同一行的搜索结果时存在“中间-左边-右边”的优先级顺序,即颁奖台模式,搜索任务类型对被试行为有着显著的影响,被试在一般信息需求的搜索任务中更加忙碌并且满意度较低,搜索结果排列顺序对被试行为没有显著影响,被试在图像搜索中存在位置偏好,这种偏好与颁奖台模式相一致.本博士论文提出一种基于眼动数据的网络搜索行为预测方法.将原始的眼动数据转化为两种表示视觉行为模式的数据格式:直方图和序列.通过建立用户行为模型和利用机器学习算法的方式预测网络搜索行为.在网页搜索和图像搜索中的实验不仅验证了该方法的有效性,还表明该方法能够处理传统方法无法处理的问题从有益放弃(Good abandonment)中提取反馈信息. 优化是人们在科学研究、工程技术和经济管理等诸多领域中经常碰到的问题.其目的是找到使目标函数达到最小或最大的条件.一般流行的序贯优化方法如牛顿法、共轭梯度法、模式搜索法、单纯形法、Rosenbrock法和Powell法是在问题的解域选取一个初始点,通过迭代找到一个极值点.随着人类生存空间的扩大以及认识与改造世界范围的拓宽,人类需要对客观世界的规律有更全面深入的理解,已有许多优化方法在处理人们所面对的复杂问题时,如高维、多极点、函数性质复杂等,在解的精度,或者求解所需时间等方面,往往很不能令人满意.因此高效的优化技术成为科学工作者的研究目标之一. 广义旅行商问题（Generalized Traveling Salesman Problems,简称GTSP）是旅行商问题（Traveling Salesman Problems,简称TSP）的一个推广,是一个NP难问题,它有着更广泛的应用领域,同时求解更加困难.进化算法（EvolutionaryAlgorithm,简称EA）是受进化论启发而提出的一类随机搜索算法,对于传统计算方法难以处理的复杂问题,特别是对于求解NP难问题有很好的效果.目前,求解广义旅行商问题的方法主要分为传统搜索算法和进化算法.传统搜索算法搜索时间长,而进化算法的搜索能力和稳定性影响了其求解精度.本博士论文课题主要针对求解广义旅行商问题的进化算法进行了相关研究,设计了几种进化算法分别应用于第一类和第二类广义旅行商问题的求解.主要创新工作如下： （1）提出了一种新的基于遗传算法的文化基因算法对第一类广义旅行商问题进行求解.传统的遗传算法在求解广义旅行商问题中存在难以寻找高精度解的缺点,引入局部搜索算法能有效地提高求解的精度,但无约束的局部搜索将大大降低算法的求解效率.文中算法通过设置阈值开关和已搜索列表减少不必要的局部搜索,从而降低了整个算法的时间复杂度.此外,对文中算法的收敛性与混合染色体遗传算法的收敛性进行了对比分析.最后,用文中算法对TSP问题库中多个基准问题生成的第一类广义旅行商问题实例进行了数值仿真,结果表明,文中算法有效. （2）讨论了传统蚁群优化算法在求解广义旅行商问题上的不足,文中通过分析蚂蚁的生物特性,设计了一种存在离群蚁的蚁群优化算法对第一类广义旅行商问题进行求解.文中算法模仿了蚂蚁偏离蚁群行进的路线后重新寻找蚁群行进路线的行为,解决了传统蚁群优化算法在求解广义旅行商问题时解精度不高的问题.同时,为了避免过早地陷入局部最优,文中的算法结合了变异算子和局部搜索策略.最后,数值仿真实验结果验证了文中算法比传统蚁群优化算法更有效. （3）目前对第二类广义旅行商问题的研究很少,求解的方法则更少.文中首次为第二类广义旅行商问题设计了相应的局部搜索策略,并首次将蚁群优化算法拓展到求解第二类广义旅行商问题上.文中新设计的蚁群优化算法根据第二类广义旅行商问题的特点设计了新的人工蚂蚁访问策略,对影响算法搜索效果的参数和采用了自适应取值的方法,并结合了新设计的局部搜索策略和变异算子.数值仿真实验结果表明新设计的蚁群优化算法能有效地求解第二类广义旅行商问题. （4）针对目前第二类广义旅行商问题求解方法少、仅有的一些方法也存在运算复杂度高等缺陷的问题,通过分析两类广义旅行商问题权重矩阵的性质,提出了一种第二类广义旅行商问题权重矩阵重构的算法.第二类广义旅行商问题的权重矩阵经过重构后可以应用第一类广义旅行商问题的基于遗传算法的文化基因算法进行求解,从而间接求解了原第二类广义旅行商问题.通过这一方法,大大提高了第二类广义旅行商问题的求解精度,并降低了运算的复杂度.最后,采用文中提出的算法对TSP问题库中多个基准问题生成的第二类广义旅行商问题实例进行了测试,结果表明,该算法可以有效地求解第二类广义旅行商问题. 本论文针对GPS高精度动态定位的现状和存在的问题,系统地研究了高精度GPS动态定位的理论和方法,围绕利用先验信息改善整周模糊度的解算方法进行系统的研究. 互联网是人类迄今为止发明的最大的信息知识宝库,特别是随着Web2.0时代的到来,互联网的信息贡献者普及到全体上网人群.搜索引擎的出现使得这些海量的信息的价值被真正发掘出来,让所有信息都拥有平等的被发现、获取和应用的机会.互联网上的信息种类由最初的文字、图片越来越向以音频、视频为主的多媒体方向拓展,对视频信息的检索需求也应运而生.继传统搜索引擎技术之后,如何实现高效的、适应大规模且快速增长和更新的视频内容的搜索成为新的研究热点.本论文即是作者于攻读博士学位期间从事中文互联网视频搜索引擎的研究开发工作的总结,这是国内第一个正式公开发布的视频搜索引擎. 本论文的研究工作自xx年开始.以国内最大搜索引擎的互联网数据库为基础,第一次对中文互联网的视频数据分布和用户搜索行为日志进行了大规模测量和研究,对中文互联网用户的视频搜索需求进行了充分细致的分析,在对传统搜索引擎的工作原理进行了具体分析和对视频搜索引擎提出具体评估标准之后,得出了传统搜索引擎不能胜任视频搜索引擎工作目标、有必要构建专用的视频搜索引擎的结论.在此基础上,本文提出了视频搜索引擎的架构模型,并指出实现视频搜索引擎的主要核心技术问题,包括面向视频分享网站的定向抓取和信息抽取,面向网页视频的挖掘和信息抽取,以及面向视频搜索的检索排序,并针对这些核心技术问题提出相应的算法.进一步,基于这些核心算法构建了国内外第一个基于中文互联网的视频搜索引擎系统,面向公众提供在线视频搜索服务,该引擎已成为国内影响力最大的互联网视频搜索引擎.论文主要工作和创新如下： 1)提出了面向视频分享网站的定向抓取的方法,主要解决视频分享网站的视频数据抓取和信息提取问题.在抓取的过程中,提出基于对视频分享网站的网站结构和网页结构进行分类的算法,对不同类型的网页可以采取不同的深度抓取策略,并针对包含视频内容的网页类型应用不同的信息抽取包装器,提取出识别规则,保证对视频分享网站的深度抓取和准确挖掘. 2)提出了基于传统搜索引擎的全网网页库中的网页视频进行挖掘和信息抽取的算法.对全网spider系统的URL抓取优先级算法进行了详细分析,提出了用DOM树方法进行网页视频进行信息抽取的方法,保证视频数据抽取的准确性,提升全面性.定向抓取与全网挖掘相结合,为视频搜索提供基本的数据源和文本索引信息,并在覆盖率和准确性之间取得平衡. 3)基于对用户视频搜索需求的分析,提出了适合中文视频搜索的归并排序的算法,并提出在线评估实验的方法,确定了算法参数取值,检验了算法的有效性.这种算法综合考虑了视频相关性、视频质量和网站质量,兼顾了用户进行检索时的相关性体验,以及检索后观看视频的播放体验.后续的研究工作进一步表明本文提出的排序算法在线评估方法是一种适应大规模网络应用的算法性能评估