模式识别与人工智能
2025年4月2日 星期三   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2012, Vol. 25 Issue (3): 527-533    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
利用粒子群算法优化多源检索融合结果的方法
谢兴生,张国梁,李斌
中国科学技术大学信息科学技术学院合肥230026
Optimizing Merging Results of Multiple Resource Retrievals by a Particle Swarm Algorithm
XIE Xing-Sheng, ZHANG Guo-Liang, LI Bin
School of Information Science and Technology,University of Science and Technology of China,Hefei 230026

全文: PDF (454 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 对多个搜索引擎系统返回结果进行自动整合,是当前网络信息检索应用至今尚未较好解决的一个难点,也是影响元搜索引擎效果的关键技术环节。在实验多种处理多源搜索结果融合算法的基础上,文中提出一种可对多种其它融合排序算法输出结果做进一步优化的离散粒子群算法。该算法不仅能在整体效果上优于作为其预处理输入的其它融合排序算法,而且对不同查询有更好的适应性,不需考虑各独立源检索返回结果的质量权重及相互间重叠率等因素。与作为其输入处理的其它融合算法相比,该算法的相关文档识别准确率可提高约20%,而准确率随查询主题变化的标准差可降低约50%。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
谢兴生
张国梁
李斌
关键词 多源检索融合排序元搜索引擎离散粒子群算法(DPSA)    
Abstract:To automatically merge the result from multiple independent research engines (IREs) is a key component of the metasearch engine development and it is problem in distributed information retrieval applications as well. After testing a variety of existing result merging algorithms for multiple IRE results, a discrete particle swarm algorithm (DPSA) is proposed for further optimizing a group of merging results produced by other result merging algorithms.The experimental results show that the DPSA generally outperforms all the other result merging algorithms. It usually has better adaptability in application for not having to take into account the usefulness weights of IRE results and the overlap rate among different IRE results of a query. Compared to other result merging algorithms, the recognition precision of DPSA increases nearly 20%, while the precision standard deviation for different queries decreases about 50%.
Key wordsMultiple Resource Retrievals    Result Merging    Metasearch Engine    Discrete Particle Swarm Algorithm (DPSA)   
收稿日期: 2011-04-07     
ZTFLH: TP391.4  
基金资助:国家自然科学基金资助项目(No.90818007)
作者简介: 谢兴生,男,1965年生,博士,副教授,主要研究方向为智能信息处理、人工智能、模式识别。E-mail:xshxie@ustc。edu。cn。张国梁,男,1987年生,硕士研究生,主要研究方向为人工智能、模式识别。李斌,男,1970年生,博士,副教授,主要研究方向为演化计算、机器学习。
引用本文:   
谢兴生,张国梁,李斌. 利用粒子群算法优化多源检索融合结果的方法[J]. 模式识别与人工智能, 2012, 25(3): 527-533. XIE Xing-Sheng, ZHANG Guo-Liang, LI Bin. Optimizing Merging Results of Multiple Resource Retrievals by a Particle Swarm Algorithm. , 2012, 25(3): 527-533.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2012/V25/I3/527
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn