个性化搜索自适应排序研究与系统实现开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）1、本课题的意义目前，对于互联网上海量的信息资源，人们主要通过搜索引擎进行搜索查询。

搜索引擎根据用户交互组件收到的请求，对网页索引数据库检索并将结果交付排序组件进行排序处理，最终以网页排序列表的形式呈现给用户,然而这样产生的排序列表仍然可能无法满足用户的需求。

本课题希望根据用户点击的网页中的数据信息，将相关性强的信息排在前面，将相关性弱的排序靠后，从而实现个性化的搜索。

2. 研究的基本内容和问题

1、研究目标 根据当今网络中存在大量信息以及对搜索引擎依赖的现状，先模拟获取用户数据并将之存入数据库中，然后使用tf-idf模型对用户数据进行处理，最后使用ranking-svm算法对处理的数据进行排序，从而使搜索结果进行重新自适应排序处理。

下一次在同一ip地址的用户搜索时，将搜索结果按排序后的顺序呈现。

使得用户在搜索时得到的结果更加个性化。

3. 研究的方法与方案

1、研究方法：（1）利用google获取100条某事物的相关信息。

（2）利用tf-idf模型处理数据，实现数据向量化。

（3）利用ranking-svm方法实现数据排序。

4. 研究创新点

1、本课题是Ranking SVM算法在个性化搜索中的的应用，探究算法在搜索中对信息排序的可行性。

2、采用TF-IDF模型，实现对数据进行处理以及对关键字的抓取。

5. 研究计划与进展

2013年1月1日至1月6日：确定题目并撰写开题报告。

2013年1月8日至2月15日：了解数据挖掘，tf-idf算法，支持向量机（svm）等相关理论知识，并了解java环境下相关语法及操作的实现。

2014年2月20日至3月9日：开始编写算法，逐步实现程序。