Web信息多特征融合的联合排序算法是搜索引擎及其检索服务的关键技术之一。本书对Web网页信息多特征融合的排序算法进行了优化研究，全书共13章。每一章的研究内容尽管有一定的相对独立性，但从第一章到第十三章又层层深入，环环相扣，通过排序算法研究的逐步优化、不断深入与迭代，使得基于Web信息多特征融合的排序算法质量得到进一步提升，这对满足网络用户的信息搜索与查询需求有着重要的理论价值与实践价值。本书术语规范、概念清晰、内容完整、逻辑连贯且研究目标明确，算法原理设计与优化及其仿真实验的验证分析阐述具有明显的时代性与探索性。 本书可以作为搜索引擎、大数据挖掘、网络爬虫、信息检索、情报分析、网络资源个性化服务、图书馆用户深度服务等领域的相关本科生、研究生、教师、研究人员或数字化信息服务人员的专题研究用书或学习参考用书。

第一章 Web信息搜索与排序概论
1.1 搜索引擎概述
1.1.1 搜索引擎的基本结构
1.1.2 传统搜索引擎的基本类型
1.1.3 现代智能搜索引擎的类型
1.2 搜索引擎主要支撑技术
1.2.1 分词技术
1.2.2 网络爬虫技术
1.2.3 网页索引技术
1.2.4 词频统计分析技术
1.2.5 自动推理技术
1.2.6 专家系统
1.3 Web采集与索引
1.3.1 Web采集概述
1.3.2 采集器的功能
1.3.3 Web采集框架
1.3.4 DNS域名解析
1.3.5 待采集URL池
1.4 分布式索引
1.5 Web搜索图
1.6 PageRank网页排序方法
1.6.1 PageRank基本方法
1.6.2 PageRank扩展方法
1.6.3 PageRank的性质
本章小结
参考文献
第二章 网页排序算法关键技术
2.1 搜索引擎技术
2.1.1 搜索引擎架构与查询
2.1.2 搜索引擎评价
2.2 基于网页链接结构分析的排序算法
2.2.1 PageRank算法原理
2.2.2 HITS算法原理
2.2.3 WPR算法
2.2.4 TSPR算法
2.2.5 Hilltop算法
2.2.6 SALSA算法
2.2.7 BFS算法
2.2.8 PHIFS算法
2.3 基于网页内容的网页排序算法
2.4 基于用户行为的网页排序算法
2.5 全文检索工具Lucene
2.5.1 Lucene简介
2.5.2 1ucene的核心类
2.6 高效项目管理工具Maven
2.6.1 Maven简介
2.6.2 Maven的核心元素
2.7 学习自动机
2.7.1 可变结构学习自动机
2.7.2 分布式学习自动机
本章小结
参考文献
第三章 基于网页链接与用户反馈的
PageRank改进算法
3.1 研究问题的提出
3.2 基于网页链接与用户反馈PageRank
算法改进原理
3.2.1 偏好因子
3.2.2 热度因子
3.3 基于网页链接与用户反馈的
PageRank算法改进设计
3.4 改进算法的验证分析
3.4.1 实验环境与实验流程
3.4.2 实验分析
本章小结
参考文献
第四章 基于用户反馈与主题关联度的
网页排序改进算法
4.1 研究问题的提出
4.2 基于用户反馈与主题关联度的
网页排序改进算法原理
4.2.1 用户反馈因子
4.2.2 主题因子
4.2.3 时间相关因子
4.3 基于用户反馈与主题关联度的
网页排序改进算法设计
4.4 实验结果与分析
4.4.1 实验环境与实验流程
4.4.2 实验分析
本章小结
参考文献
第五章 基于用户反馈与链接关系的
网页排序改进算法
5.1 研究问题的提出
5.2 基于用户反馈与链接关系的网页排序
改进算法的原理分析
5.2.1 可信度因子
5.2.2 内容相关度因子
5.2.3 时间因子
5.3 实验结果与分析
5.3.1 实验环境与实验流程
5.3.2 实验分析
本章小结
参考文献
第六章 基于用户兴趣与主题相关的
PageRank改进算法
6.1 研究问题的提出
6.2 基于用户兴趣与主题相关的
PageRank改进算法的原理分析
6.2.1 用户兴趣度因子
6.2.2 兴趣度预测因子
6.2.3 主题相关度因子
6.3 实验结果与分析
6.3.1 实验环境与实验流程
6.3.2 实验分析
本章小结
参考文献
第七章 基于用户反馈特征聚合的网页排序算
7.1 研究问题的提出
7.2 基于用户反馈特征聚合的
网页排序算法原理
7.2.1 可信度因子
7.2.2 兴趣度因子
7.2.3 内容相关度因子
7.2.4 时间相关度因子
7.3 仿真实验验证与分析
7.3.2 仿真实验流程
7.3.3 AFPR算法Java实现核心代码块
7.3.4 仿真实验结果及验证分析
本章小结
参考文献
第八章 基于用户反馈特征聚合和内容
相关度的网页排序算法
8.1 研究问题的提出
8.2 基于用户反馈特征聚合和内容
相关度的网页排序算法原理
8.2.1 线性拟合因子
8.2.2 用户特征聚合因子
8.2.3 内容相关度因子
8.3 仿真实验验证与分析
8.3.1 仿真实验与验证分析平台搭建
8.3.2 仿真实验流程
8.3.3 UCPR算法Java实现核心代码块
8.3.4 仿真实验结果及验证分析
本章小结
参考文献
第九章 基于学习自动机和用户兴趣的
PageRank改进算法
9.1 研究问题的提出
9.1.1 研究问题的应用价值
9.1.2 相关PageRank算法研究
9.1.3 学习自动机的基本原理
9.2 基于学习自动机和用户兴趣的页面
排序算法原理
9.2.1 基于学习自动机确定网页间的
超链接权重
9.2.2 兴趣度因子
9.3 实验验证与分析
9.3.1 实验平台搭建
9.3.2 效果评价指标
9.3.3 实验流程
9.3.4 实验结果及验证
本章小结
参考文献
第十章 基于分布式学习自动机和用户
反馈的网页排序算法
10.1 基于分布式学习自动机和用户
反馈的网页排序算法原理
10.1.1 基于分布式学习自动机确定网页
超链接权重
10.1.2 用户反馈因子
10.2 仿真实验验证与分析
10.2.1 仿真实验与验证分析平台搭建
10.2.2 仿真实验流程
10.2.3 仿真实验结果及验证分析
本章小结
参考文献
第十一章 基于内容的图像反馈检索
11.1 研究背景及意义
11.1.1 研究的背景
11.1.2 研究的意义
11.2 国内外基于内容的图像反馈检索
研究概述
11.3 基于内容的图像检索框架
11.4 图像搜索引擎相关技术
11.5 图像特征提取
11.5.1 颜色
11.5.2 纹理
11.5.3 形状
11.6 图像匹配
11.7 语义鸿沟
11.8 性能评价准则
本章小结
参考文献
第十二章 基于SVM二分类的图像反馈
检索算法设计
12.1 研究问题的提出
12.2 SVM与K-SVM算法分析
12.2.1 SVM算法
12.2.2 SVM算法的优点
12.2.3 K-SVM算法
12.3 SVM算法改进
12.3.1 K-means算法改进
12.3.2 SVM核函数
12.3.3 Relief算法
12.4 仿真实验验证与分析
12.4.1 仿真实验与验证分析平台搭建
12.4.2 仿真实验流程
12.4.3 仿真实验结果及验证分析
本章小结
参考文献
第十三章 多分类器SVM在图像反馈
检索中的算法设计
13.1 研究问题的提出
13.2 OVOSVM算法原理分析
13.3 KWOVOSVM算法分析
13.3.1 K-means算法改进
13.3.2 分配相对权重并构造KWOVOSVM分类器
13.4 仿真实验验证与分析
13.4.1 仿真实验步骤
13.4.2 仿真实验结果及验证分析
本章小结
参考文献