基于多Agent的智能信息檢索系統(tǒng)研究.pdf

1、近年來，智能信息檢索(Intelligent Information Retrieval)作為人工智能(AI)的一個(gè)獨(dú)立研究分支得到了迅猛的發(fā)展。隨著Internet的發(fā)展和普及，越來越多的用戶利用搜索引擎來搜索網(wǎng)上信息。盡管搜索引擎的發(fā)展已經(jīng)比較成熟，但人們?cè)谑褂弥袇s發(fā)現(xiàn)要準(zhǔn)確、快速地查找自己需要的信息越來越困難。面對(duì)網(wǎng)絡(luò)信息服務(wù)的這種現(xiàn)狀，人們?cè)趯で笠环N將用戶感興趣的信息主動(dòng)推薦給用戶的服務(wù)方式，這就是個(gè)性化的主動(dòng)信息服務(wù)。在實(shí)現(xiàn)個(gè)

2、性化的主動(dòng)信息服務(wù)中智能Agent技術(shù)起到了至關(guān)重要的作用。 在系統(tǒng)地研究了基于Agent的個(gè)性化信息服務(wù)中所涉及的關(guān)鍵技術(shù)后，本文對(duì)Hsieh Chang Tu等人提出的智能信息檢索Agent框架(簡(jiǎn)稱IIR Agent)作了一些改進(jìn)，將用戶興趣建模、信息搜索、信息過濾功能各用一個(gè)Agent模塊實(shí)現(xiàn)，改進(jìn)后的系統(tǒng)稱為基于多Agent的智能信息檢索系統(tǒng)(Intelligent Information Retrieval base

3、d on Multi-Agent，簡(jiǎn)稱IIR M-Agent)。系統(tǒng)通過分析用戶經(jīng)常訪問的頁(yè)面，自動(dòng)學(xué)習(xí)用戶的瀏覽興趣，幫助用戶選擇感興趣的頁(yè)面。首先介紹了多Agent群組的工作原理，闡述了各個(gè)Agent的任務(wù)以及它們之間如何協(xié)作完成智能檢索、自動(dòng)通告、導(dǎo)航等功能。其次具體介紹了系統(tǒng)的三個(gè)主要模塊——用戶Agent、信息搜索Agent、信息過濾Agent的原理和實(shí)現(xiàn)。 通過用戶信息需求的表達(dá)和信息反饋，形成并訓(xùn)練用戶Agent，

4、負(fù)責(zé)表示、建立和更新用戶興趣模型。一般用戶興趣模型的表示采用詞頻法，即用戶興趣用二元組表示(興趣詞條、興趣權(quán)重)。本文對(duì)一般的詞頻法作了一點(diǎn)改進(jìn)，即計(jì)算興趣權(quán)重不僅考慮詞條在文檔中出現(xiàn)的次數(shù)，還考慮到各個(gè)詞條在文檔中的不同位置體現(xiàn)詞條的不同重要度，以及各文檔在網(wǎng)頁(yè)超鏈關(guān)系中引用與被引用情況體現(xiàn)文檔的不同重要度等因素，采用修正詞條使得對(duì)興趣詞條的選擇更客觀、準(zhǔn)確，有效地避免了將出現(xiàn)頻率高而意義不大的詞條作為興趣詞條的問題。本文不僅對(duì)一般興

5、趣模型進(jìn)行了改進(jìn)，而且提出一種新的興趣模型。新興趣模型仍然使用傳統(tǒng)的詞頻法來衡量某個(gè)用戶的興趣，但引進(jìn)了詞條新鮮度概念，用戶興趣用三元組表示(興趣詞條、興趣權(quán)重、詞條新鮮度)，詞條新鮮度對(duì)興趣詞條的更新提供了更加可靠的依據(jù)。用戶興趣模型的建立和更新通過基于記憶觀察的學(xué)習(xí)機(jī)制、接受反饋的機(jī)器學(xué)習(xí)機(jī)制、ID3算法的歸納學(xué)習(xí)機(jī)制三種機(jī)器學(xué)習(xí)方法。 信息搜索Agent通過查詢代理與Internet搜索引擎的連接，既可實(shí)現(xiàn)元搜索，又可以在

6、返回的網(wǎng)址較少或不．滿足用戶的要求時(shí)，使用自身搜索工具Robot在網(wǎng)絡(luò)上自主搜索。同時(shí)搜索算法從查詢代理返回的網(wǎng)址出發(fā)進(jìn)行搜索，減少了搜索范圍，加快了搜索速度。另外，Robot采用深度受限并能動(dòng)態(tài)調(diào)整深度的算法搜索網(wǎng)絡(luò)信息。一方面由于深度受限，搜索不會(huì)陷入到．無限長(zhǎng)的超鏈中，另一方面由于深度的動(dòng)態(tài)調(diào)整，它能在沒有相關(guān)信息的鏈上快速結(jié)束，而在相關(guān)信息多的鏈上深入搜索，以避免有用信息的丟失。在保證搜索質(zhì)量的同時(shí)，加快搜索的完成。信息過濾Ag