导读:本文包含了元搜索论文开题报告文献综述、选题提纲参考文献，主要关键词:搜索引擎,舆情,价值,事件,业务,行业,系统。
元搜索论文文献综述写法
木清[1]（2019）在《百度Q1营收241亿元 搜索公司转型移动生态BG》一文中研究指出5月17日（美国东部时间5月16日），百度公布了2019年第一季度未经审计的财务报告。本季度百度营收241亿元人民币，同比增长15%，剔除百度国际业务、金融业务“度小满”的分拆对收入的影响后，百度Q1营收同比增长21%；按非GAAP计算，百度Q1净利润9(本文来源于《中国经营报》期刊2019-05-20）
刘佳薇[2]（2018）在《元搜索中基于日志和语料的查询推荐模型的研究与实现》一文中研究指出自人类进入二十一世纪以来,互联网产生了规模巨大的各类数据,且数据量仍在不断激增。搜索引擎可以帮助人们高效地从错综复杂的海量数据中获取到需要的信息。但是,单个搜索引擎往往查全率不高,不能完全满足用户的检索需求,而元搜索引擎通过整合各个成员搜索引擎返回的搜索结果,从而为用户提供覆盖率更高的检索结果。然而,在元搜索引擎中,用户输入的初始查询有时并不能准确表达其查询意图,从而影响检索结果的准确率。因此亟需研究面向元搜索引擎的查询推荐技术,以提高元搜索引擎的用户体验。查询推荐技术通过将相关的查询词推荐给用户,以帮助用户构造更有效的查询。传统的查询推荐模型可以分为两大类,分别是基于日志的查询推荐模型和基于语料的查询推荐模型。本文对比分析了这两类模型的优缺点,在“智搜”元搜索引擎系统的基础上,提出并实现了一个基于日志和语料的查询推荐模型。本文的工作内容及结论如下:(1)本文首先使用查询日志数据构建查询-链接二部图,在该图上使用两步随机游走策略来找到候选查询推荐词集。为了进一步扩充候选词集的范围,发挥元搜索引擎的优势,利用多个搜索引擎的查询推荐结果来丰富候选查询推荐词集。接下来,使用主题概念提取的方法,从元搜索引擎检索结果中提取查询词相关的主题概念,筛选出与主题概念相关的候选查询推荐词集。(2)为了进一步提高候选查询词的准确性,本文使用基于语料数据的查询项图相似性计算方法筛选得到最终的候选查询推荐词集。除此以外,本文还提出了一个查询词合理性的计算方法,对候选查询词集进行最终的排序。(3)本文提出的基于日志和语料的查询推荐模型已在“智搜”元搜索引擎中实现并应用,实验结果表明该推荐模型可以更加准确的为用户提供查询推荐词,且该模型的各个步骤均可以有效提高查询推荐的性能。(本文来源于《西安电子科技大学》期刊2018-06-01）
侯甜甜,陈培友[3]（2018）在《基于智能元搜索代理的企业网络舆情危机预警》一文中研究指出互联网时代,企业网络舆情危机成为了近年来重要的舆论场。本文首先介绍了智能元搜索的相关理论及工作原理,在此基础上结合中文分词系统与情感词典的运用提出基于智能元搜索代理技术的企业网络舆情危机预警方法,然后通过两种类别的六家企业进行验证,得出了其中叁家企业存在着网络舆情危机,而这与企业的实际状况是相吻合的。最终证明了本文预警方法的有效性。(本文来源于《北方经贸》期刊2018年05期）
姜虹[4]（2018）在《iGola：元搜索行业价值凸显》一文中研究指出据统计，中国旅游已成为世界旅游格局中重要的力量，稳坐世界第一大出境旅游国。2016年，在各国旅游业对GDP的直接贡献和总贡献统计中，中国旅游业表现强劲，两项数据均跃升至世界第二位。2017年，中国出境游人数和境外消费继续增长，旅游行业在国民经济中的重要地(本文来源于《中华工商时报》期刊2018-02-02）
张娜[5]（2018）在《元搜索行业价值凸显 发展空间广阔》一文中研究指出戊戌狗年春节将至，出境旅游市场再度迎来集中活跃期。其中，购买机票是出境旅游最大的固定消费项目。自由行大军开始利用各种线上渠道获取机票信息，以获得消费决策支持。然而，很少有用户能够不借助于独立的第叁方机票搜索引擎，短时间内直接从航空公司官网或OTA上获取最(本文来源于《中国经济时报》期刊2018-01-31）
刘登洪,徐贤[6]（2017）在《元搜索中成员搜索引擎的选择问题研究》一文中研究指出随着网络的普及,网上检索成为了人们获取信息的主要方式。目前的搜索引擎相对独立,覆盖范围比较有限。相比之下,元搜索能够更好地满足用户的检索需求。当用户在元搜索提供的统一界面中输入一个查询时,元搜索会将处理后的用户请求发送给相关的成员搜索引擎。但是一个重要的问题是如何识别出潜在的搜索引擎以便更好地处理用户的请求。鉴于此提出了一种基于遗传算法的选择机制,该方法将各个成员搜索引擎的权重考虑在内。实验结果表明,该方法确实能够提高引擎选择中的效率和精度。(本文来源于《计算机科学》期刊2017年10期）
汤小月,余伟,李石君[7]（2017）在《D~3MOPSO:一种基于用户偏好的元搜索排序聚合演化方法》一文中研究指出随着网络数据的爆发式增长和用户需求的多元化发展,现有元搜索排序聚合方法在精度和性能上面临着巨大挑战.以满足用户的多重需求和个性化偏好为目标,提出了一种新的元搜索排序聚合算法.通过重新定义多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)中粒子的属性,调整速度变化因子,改进种群初始化和演化机制,设计新的存档与更新策略以及引导微粒选择策略,提出了一个基于支配分解的离散多目标优化(D~3MOPSO)算法,使其能根据用户的质量需求偏好在大规模离散解空间中快速准确地找出最优解集.在多个数据集上的实验结果表明:当数据规模较小时,D~3MOPSO算法的精度和性能接近机器学习排序聚合方法;在大规模数据环境下,其精度和性能优于机器学习方法以及同类多目标优化方法.(本文来源于《计算机研究与发展》期刊2017年08期）
刘思尧,施科峰[8]（2017）在《基于元搜索的事件发现与关联算法》一文中研究指出设计了一种基于元搜索的事件发现与关联算法.首先利用元搜索引擎获取事件数据的外围信息,通过事件发现算法,实现事件的重排序,再以重排序结果为基础,识别其中出现的事件元素,进而实现事件在多维元素上的关联.实验证明该算法能够取得较好的效果.(本文来源于《内蒙古师范大学学报(自然科学汉文版)》期刊2017年04期）
刘文苑[9]（2017）在《元搜索引擎中基于Agent的结果合成方法的研究》一文中研究指出元搜索结果合成是将多个成员搜索引擎的检索结果进行结果融合的过程。结果合成技术作为元搜索引擎中的关键技术之一,直接影响用户对元搜索引擎的满意度评价。已有的结果合成技术采用单一的排序算法对结果重排序,然而单一算法在不同的网页结果重迭率下表现不一,导致在不同查询词下用户的查询效果差异显着,影响了元搜索引擎的性能。针对该问题,本文提出一种基于Agent的动态结果合成方法,选取多个排序算法作为成员排序算法,利用智能Agent感知当前查询词下的结果重迭率,根据重迭率动态调度其中最优的一种成员排序算法进行结果合成,从而缩小不同查询词间的查准率差异,提高用户满意度。本文的主要贡献包括设计动态结果合成策略以及设计基于Agent的结果合成子系统,具体的工作内容有:(1)通过分析单一算法的局限性,确定动态调度排序算法的策略。该策略选择多个算法作为成员排序算法,将结果重迭率作为算法调度条件。论文使用静态经验学习确定动态调度策略,即确定在当前结果重迭率下的最优算法。(2)设计结果合成过程中的去重,确定去重使用的方法及流程,同时确定结果重迭率计算公式。(3)由于当前的成员搜索引擎返回的结果不包含网页的初始相关分值,因此论文使用逻辑回归方程估计CombMNZ算法和SDM算法的初始相关分值。(4)根据论文的成员排序算法选择标准,确定动态调度的成员排序算法,同时分析这些算法的算法思想和计算公式。(5)利用用户点击日志数据分析用户对成员搜索引擎的偏好和用户的检索主题兴趣,使用成员搜索引擎权重和用户兴趣权值修正动态合成的结果,实现基于用户兴趣的结果合成。(6)在“智搜”元搜索引擎上实现基于Agent的结果合成子系统,分析系统结构图并对子系统中的各Agent模块进行分析。(7)设计实验验证论文所做的工作,实验分为叁部分:在动态结果合成实验中,将本文提出的方法与Borda Fuse、CombMNZ等算法进行对比,验证了基于Agent的动态结果合成方法具有较高的查准率;在基于用户兴趣的结果合成实验中,对比登录用户与未登录用户进行相同检索时返回的结果序列,验证了添加用户兴趣因素后系统能够满足用户的兴趣需求;在基于Agent的结果合成性能实验中,对比使用Agent的结果合成与未使用Agent的结果合成所需时间,验证了使用多Agent系统实现结果合成在时间性能上具有的一定优越性。(本文来源于《西安电子科技大学》期刊2017-06-01）
陈小利[10]（2017）在《基于元搜索的垂直搜索系统的通用框架模型的研究》一文中研究指出随着互联网中信息量的快速增长,以及越来越多的更加清晰化的数据分类,通用的搜索引擎并不能很好地为不同专业、背景的用户找到他们需要的信息。因此需要一种能够针对某个特定领域的、专业的搜索引擎。垂直搜索引擎通过锁定某一特定的领域、人群或需求,向用户提供高度目标化、专业化的查询内容,从而提高检索结果的准确性。但是,垂直搜索引擎和传统的全文搜索引擎存在很多类似的问题:查全率较低、网络资源消耗过高等。据统计,在全网范围内,有相当大的一部分网页是无法直接被搜索引擎索引,即使是全世界最大的搜索引擎谷歌也只能索引到整个互联网网页的30-40%。对此,本文的解决方法是将垂直搜索引擎的具体结构建立在元搜索之上,借助元搜索的多来源的信息数据,提高系统检索结果的查全率。关于垂直搜索的研究十分广泛,各行各业也出现了很多面向行业内部的垂直搜索工具,但是这些垂直搜索工具并不具有可复制性,彼此之间相互独立,可重用性并不高,缺乏一个通用的支持可快速构建新型领域的垂直搜索系统的系统架构。本文的主要工作是基于元搜索技术,给出了一个通用垂直搜索系统的框架模型,从而支持快速构建新型领域的垂直搜索系统,并以学术领域为例,实现了一个学术元搜索工具。文章的核心贡献主要有以下叁个方面:1.通过对多个面向不同领域的垂直搜索系统框架的分析,给出了一种通用垂直搜索系统的框架模型。同时,结合元搜索的系统结构和Holon的相关模型设计,对提出的通用垂直搜索系统框架进行优化,设计了一个基于Holon的、通用的垂直搜索系统框架模型,支持新型领域内的垂直搜索系统的快速构建;2.通过面向学术领域的系统目标分析,结合本文给出的通用垂直搜索系统框架模型,设计了面向学术领域的基于多Agent的垂直搜索系统的框架,并快速实例化了一个学术搜索工具(IM Scholar Search);3.通过对学术搜索工具的实验部署和案例说明,一方面用于验证本文设计的通用垂直搜索系统框架模型设计的有效性,另一方面则主要用于验证本文在基于设计的通用架构下,实现的学术元搜索工具的可用性,并确保可以满足学术检索用户的一般需求特征。通过实验的验证,本文的学术元搜索工具基本满足了查询用户的一般需求,这既说明了文中实现的工具的可用性,同时也验证了本文提出的框架对于新领域垂直系统的支持,验证了文中提出的框架在设计上的有效性。(本文来源于《西安电子科技大学》期刊2017-05-01）
元搜索论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自人类进入二十一世纪以来,互联网产生了规模巨大的各类数据,且数据量仍在不断激增。搜索引擎可以帮助人们高效地从错综复杂的海量数据中获取到需要的信息。但是,单个搜索引擎往往查全率不高,不能完全满足用户的检索需求,而元搜索引擎通过整合各个成员搜索引擎返回的搜索结果,从而为用户提供覆盖率更高的检索结果。然而,在元搜索引擎中,用户输入的初始查询有时并不能准确表达其查询意图,从而影响检索结果的准确率。因此亟需研究面向元搜索引擎的查询推荐技术,以提高元搜索引擎的用户体验。查询推荐技术通过将相关的查询词推荐给用户,以帮助用户构造更有效的查询。传统的查询推荐模型可以分为两大类,分别是基于日志的查询推荐模型和基于语料的查询推荐模型。本文对比分析了这两类模型的优缺点,在“智搜”元搜索引擎系统的基础上,提出并实现了一个基于日志和语料的查询推荐模型。本文的工作内容及结论如下:(1)本文首先使用查询日志数据构建查询-链接二部图,在该图上使用两步随机游走策略来找到候选查询推荐词集。为了进一步扩充候选词集的范围,发挥元搜索引擎的优势,利用多个搜索引擎的查询推荐结果来丰富候选查询推荐词集。接下来,使用主题概念提取的方法,从元搜索引擎检索结果中提取查询词相关的主题概念,筛选出与主题概念相关的候选查询推荐词集。(2)为了进一步提高候选查询词的准确性,本文使用基于语料数据的查询项图相似性计算方法筛选得到最终的候选查询推荐词集。除此以外,本文还提出了一个查询词合理性的计算方法,对候选查询词集进行最终的排序。(3)本文提出的基于日志和语料的查询推荐模型已在“智搜”元搜索引擎中实现并应用,实验结果表明该推荐模型可以更加准确的为用户提供查询推荐词,且该模型的各个步骤均可以有效提高查询推荐的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
元搜索论文参考文献
[1].木清.百度Q1营收241亿元搜索公司转型移动生态BG[N].中国经营报.2019
[2].刘佳薇.元搜索中基于日志和语料的查询推荐模型的研究与实现[D].西安电子科技大学.2018
[3].侯甜甜,陈培友.基于智能元搜索代理的企业网络舆情危机预警[J].北方经贸.2018
[4].姜虹.iGola：元搜索行业价值凸显[N].中华工商时报.2018
[5].张娜.元搜索行业价值凸显发展空间广阔[N].中国经济时报.2018
[6].刘登洪,徐贤.元搜索中成员搜索引擎的选择问题研究[J].计算机科学.2017
[7].汤小月,余伟,李石君.D~3MOPSO:一种基于用户偏好的元搜索排序聚合演化方法[J].计算机研究与发展.2017
[8].刘思尧,施科峰.基于元搜索的事件发现与关联算法[J].内蒙古师范大学学报(自然科学汉文版).2017
[9].刘文苑.元搜索引擎中基于Agent的结果合成方法的研究[D].西安电子科技大学.2017
[10].陈小利.基于元搜索的垂直搜索系统的通用框架模型的研究[D].西安电子科技大学.2017