北京大學(xué)碩士研究生學(xué)位論文

1、北京大學(xué)碩士研究生學(xué)位論文題目：一個(gè)借助查詢歷史改善結(jié)果排序的文件檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)姓名：謝欣學(xué)號：10208105院系：信息科學(xué)技術(shù)學(xué)院專業(yè)：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)研究方向：計(jì)算機(jī)網(wǎng)絡(luò)與分布式系統(tǒng)導(dǎo)師：李曉明教授2005年5月北京大學(xué)網(wǎng)絡(luò)實(shí)驗(yàn)室碩士學(xué)位論文2摘要隨著網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)上提供文件共享服務(wù)的服務(wù)器越來越多，共享的文件數(shù)量也隨之增加。如何更好的檢索、利用這些共享文件成為一個(gè)重要的問題。針對用戶對文件檢索的需求，本文在文件檢索技術(shù)領(lǐng)域

2、有如下貢獻(xiàn)。1.本文首先提出了一個(gè)文件檢索的模型，明確了在文件檢索模型中檢索對象、查詢串、查詢與檢索對象的匹配方式三部分的含義。檢索對象，即文件條目表示為六元組[nameextsizedatesitepath]的形式，查詢串表示為以空格分隔的字符串的集合，查詢與檢索對象的匹配則表示為查詢串與文件條目的匹配串之間的匹配。2.提出了對文件檢索系統(tǒng)進(jìn)行評測的指標(biāo)。將查詢結(jié)果視作集合時(shí)以查全率、查準(zhǔn)率為評測指標(biāo)。將查詢結(jié)果視作有序序列時(shí)，分析了

3、查詢結(jié)果的相關(guān)性、連接下載速度以及結(jié)果的可用性等因素對排序的影響，并提出了對排序進(jìn)行評測的指標(biāo)——排序指數(shù)。作者還提出對于兩個(gè)排序策略進(jìn)行比較時(shí)，應(yīng)當(dāng)在結(jié)果的每個(gè)頁面內(nèi)部應(yīng)用排序策略，而不是在全體結(jié)果集合上應(yīng)用排序策略，并比較平均用戶選取條目的頁內(nèi)排名。3.通過統(tǒng)計(jì)、分析用戶對文件搜索引擎的檢索和對檢索結(jié)果中下載地址條目的選取，作者發(fā)現(xiàn)了用戶行為習(xí)慣中的兩個(gè)重要規(guī)律：一、少數(shù)查詢串占據(jù)了全部查詢請求的大多數(shù)，具體而言，前20%的熱門查詢

4、串占據(jù)了全部查詢請求的80%；二、對全體用戶而言，假設(shè)有n次不同的查詢請求使用了同一個(gè)查詢串，并且它們代表k類不同的查詢意圖。那么通常k≤3，因而在n較大的情況下，則nk的值較大，即大量的來自不同用戶的請求代表了相同的查詢意圖。4.基于上文所述，作者設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)真實(shí)的系統(tǒng)。該系統(tǒng)借助查詢歷史改善結(jié)果的排序。與一般基于用戶歷史信息的檢索系統(tǒng)不同的是，本系統(tǒng)借助的歷史信息不局限于當(dāng)前用戶的歷史信息，還包含提交了相同查詢串的其他用戶的查詢