Internet智能搜索Agent研究与实现
【摘要】:
随着因特网络的发展、网络上信息量的增多,智能代理
(Intelligent Agent)技术已经逐渐成为计算机研究领域中的一个崭
新的课题。本文对因特网上智能搜索Agent作了比较深入的研究,其中
着重研究了Agent的自主性、预动性与智能性问题,这也是Agent最重
要的特征。我们把智能搜索Agent划分成三个子系统:网络搜索子系统、
信息过滤子系统、机器学习子系统。
在网络搜索子系统中,我们主要研究了Agent网络搜索的自主性与
预动性问题。Agent能够感知系统与网络环境中的四类事件,通过与规
则库中的规则相匹配,可以产生两个动作。通过这种感知—匹配—激发
的规则推理过程,实现Agent的自主性与预动性。
在信息过滤子系统中,充分分析、利用了Web文档的结构特征。主
要采用基于词库的最大匹配法与无词库的频度统计法相结合的方法进
行分词,同时利用文档的可视化特征作为分词的辅助手段。采用TFIDF
方法计算各词的权值,生成文档的关键词。然后计算文档关键词向量与
Agent关键向量的相似度,利用关键词间的相似度进行信息过滤。
在机器学习子系统中,适合于用过程性的知识表示方法进行知识表
示。Agent通过基于观察记忆的学习方法、基于用户反馈的学习方法与
基于改进的ID3归纳学习的方法,学习用户的兴趣,积累知识,实现Agent
的智能性。Agent的知识随着用户使用时间的增长而增长。
三个子系统通过知识库有机地结合在一起,实现了Agent的自主性、
预动性与智能性。Agent能够代表用户、按照用户兴趣自主地在因特网
上进行信息搜索,达到了较好的效果。
【关键词】:Internet 网络搜索 信息过滤 机器学习 Agent 【学位授予单位】:广东工业大学
【学位级别】:硕士
【学位授予年份】:2000
【分类号】:TP393.03
【DOI】:CNKI:CDMD:2.2000.002294
【目录】:
- 第一章 绪论9-16
- 1.1 Ineternet智能搜索agent发展背景9
- 1.2 Agent的定义9-11
- 1.3 软件Agent的研究现状11-12
- 1.4 软件Agent的体系结构12-13
- 1.5 本文的研究目标和研究内容13-16
- 第二章 智能搜索Agent的网络搜索子系统16-33
- 2.1 WWW信息构造16-18
- 2.1.1 WWW的Web文档结构16-17
- 2.1.2 HTTP协议17
- 2.1.3 HTML语言17-18
- 2.2 现有Web搜索引擎的搜索方法18-20
- 2.2.1 RBSE Spider的文档发现策略18-19
- 2.2.2 WWW Worm的文档发现策略19
- 2.2.3 WebCrawler的文档发现策略19-20
- 2.3 Agent信息搜索服务系统的算法实现20-21
- 2.4 Agent与网络搜索引擎的连接技术21-26
- 2.4.1 当前网络搜索引擎的查询技术21-22
- 2.4.2 Agent系统的查询代理技术22-26
- 2.5 有限区域深度-广度优先搜索算法26-29
- 2.5.1 有限区域深度优先搜索算法26-28
- 2.5.2 有限区域广度优先搜索算法28-29
- 2.5.3 有限区域深度-广度优先搜索算法特点29
- 2.6 Agent网络搜索子系统的体系结构29-32
- 2.6.1 收集控制30
- 2.6.2 触发器30-32
- 2.7 信息搜索子系统特点32-33
- 第三章 智能搜索Agent信息过滤子系统33-42
- 3.1 中文分词现状33-34
- 3.2 本系统采用的分词方法34-38
- 3.3 信息过滤子系统中Web文档和处理方法38-39
- 3.4 信息过滤39-42
- 第四章 智能Agent的机器学习子系统42-61
- 4.1 机器学习技术的发展现状42-43
- 4.2 机器学习技术在智能Agent中的应用现状及前景43-44
- 4.3 机器学习系统整体设计方案44-51
- 4.3.1 简述44-45
- 4.3.2 机器学习子系统中的知识库构造45-46
- 4.3.3 知识库中的知识表示46-47
- 4.3.4 智能搜索Agent中的知识表示方法47-51
- 4.4 机器学习机制的设计51-59
- 4.4.1 基于记忆观察的机器学习方法52-55
- 4.4.2 基于用户反馈的机器学习方法55
- 4.4.3 基于改进的ID3的归纳学习方法55-59
- 4.5 机器学习子系统的特点59-61
- 第五章 智能搜索Agent的整体实现方法61-74
- 5.1 系统平台与开发工具61-62
- 5.2 智能搜索Agent的体系结构图62-63
- 5.3 智能搜索Agent的软件框架图63-64
- 5.4 知识库设计64-67
- 5.4.1 表结构及作用64-67
- 5.4.2 各个表之间的关联关系67
- 5.5 智能搜索Agent中三个子系统的相互关系67-70
- 5.5.1 机器学习子系统与网络搜索子系统的相互关系67-68
- 5.5.2 网络搜索子系统与信息过滤子系统的相互关系68
- 5.5.3 信息过滤子系统与机器学习子系统的相互关系68-69
- 5.5.4 三个子系统的整体关系69-70
- 5.6 智能搜索Agent的整体效果分析70-74
- 5.6.1 自主性、预动性70-72
- 5.6.2 智能性72-74
- 结 论74-76
- 参考文献76-79
- 攻读硕士学位期间发表的学术论文79-80
- 致谢80
全文下载:
CAJ格式
不支持迅雷等加速下载工具,请取消加速工具后下载
|
|
|
|
| 1 |
陈红英,李卫华;智能信息Agent的研究和实现[J];计算机工程与应用;2002年12期 |
| 2 |
杜成;TH FACE2000人脸识别系统的设计与实现[J];计算机工程与应用;2002年14期 |
| 3 |
朱欣娟,石美红,薛惠锋,彭文祥;基于GIS的空间分析及其发展研究[J];计算机工程与应用;2002年18期 |
| 4 |
黄磊,熊巨华,杨敏;混合推理技术在桩基辅助设计系统中的应用[J];结构工程师;2004年02期 |
| 5 |
谢宇;;用PowerBuilder9.0开发“教材库管理系统”[J];考试周刊;2007年43期 |
| 6 |
李清勇;胡宏;施智平;史忠植;;基于纹理语义特征的图像检索研究[J];计算机学报;2006年01期 |
| 7 |
李永平,文坤梅;集成搜索引擎中结果排序的优化分析[J];华中科技大学学报(自然科学版);2003年11期 |
| 8 |
张振宇;谢晓尧;;BP神经网络在电信计划预测的应用研究[J];计算机工程与应用;2008年20期 |
| 9 |
周琳霞,杨小芹,黎明;动态变异率的多群体进化计算[J];南昌航空工业学院学报;2000年01期 |
| 10 |
王一宾,李心科,刘桂江;软件Agent技术与软件体系结构[J];河南科技大学学报(自然科学版);2005年02期 |
|
|
|
|
|
| 1 |
夏小玲,乐嘉锦;基于Agent的个性化智能信息检索系统[J];计算机应用与软件;2003年08期 |
| 2 |
王萍;美国图书馆业务外包极端化的危害性分析[J];江苏图书馆学报;1999年05期 |
| 3 |
韩晓刚,徐丽;分布式开放环境中的多agent合作模型[J];湖南大学学报(自然科学版);1997年05期 |
| 4 |
徐小琳,阙喜戎,程时端;信息过滤技术和个性化信息服务[J];计算机工程与应用;2003年09期 |
| 5 |
汪晓岩,胡庆生,李斌,庄镇泉;面向Internet的个性化智能信息检索[J];计算机研究与发展;1999年09期 |
| 6 |
刘向军,刘世平,张洁,李培根;多Agent系统通信与协作机制构造[J];机械设计与制造工程;2002年02期 |
| 7 |
陈红英,李卫华,毛革非;智能过滤Agent在Internet上的应用[J];计算机工程;2002年03期 |
| 8 |
王宇;卢昱;;信息网络的安全控制模式[J];计算机应用研究;2006年03期 |
| 9 |
徐振宁;张维明;陈文伟;;基于Ontology的智能信息检索[J];计算机科学;2001年06期 |
| 10 |
张新跃,邓炜春,沈树群;策略驱动的网络安全管理模型[J];计算机应用研究;2005年01期 |
|