最先进的回顾相关互联网搜索的遗传算法

文摘

人们使用搜索引擎查找信息他们欲望的目标信息需求会得到满足。信息检索(IR)是一个主要关注的领域中的信息文档的搜索和检索和搜索的搜索引擎,在线数据库中,和互联网。遗传算法(气)是健壮、高效和optimizated方法在一个广阔的区域内的搜索问题出于达尔文的自然选择,适者生存的原则。本文描述了信息检索系统(IRS)组件。本文着眼于如何应用领域的红外气体特别是互联网网络搜索遗传算法的相关性。最后,从建议调查结果表明,遗传算法应用于不同的问题领域的互联网搜索。

1。介绍

有一个虚拟的爆炸电子信息的可用性。互联网的出现或万维网(WWW)带来了远比任何人类都可以吸收更多的信息。红外系统的目标是帮助用户组织和存储这些信息和检索有用信息当用户提交一个查询到红外系统。要解决这个问题,许多研究社区实现了多样化的技术,如全文,反向索引、关键字查询,布尔查询,以知识为基础的,神经网络,概率检索、遗传算法和机器学习。现在,越来越多的人使用网络搜索引擎,使他们能够访问任何类型的信息从互联网,以制定更好的,消息灵通的决定。然而,搜索引擎返回有用和相关文档的能力并不总是令人满意的。用户经常需要多次细化搜索查询和搜索大型文档集合找到相关信息。但是,根据(1),搜索引擎返回的结果可能不是相关用户的信息需求,因此用户需要修改和查询。

红外的重点是寻找信息的能力与个人用户的需求在一个文档集合与用户相关的查询。根据(2),作者指出,用户需要的信息。这项工作发表在Agbele et al。3)描述了获取信息作为一个重要的好处,可以实现在许多领域包括社会经济发展、教育和医疗保健。医疗,例如,获得适当的信息可以减少访问医生和住院病人患有慢性疾病,如哮喘,糖尿病,高血压,和艾滋病。Agbele方法考察了基于ICT的卫生信息系统的开放作为一个基本的医疗应用领域,特别是在千禧年发展目标的背景下提高管理和以较低的成本开发的医疗质量。用户有责任制定查询和查询发送给搜索引擎(IRS)。

红外系统数据库和搜索匹配的文档,因此,检索匹配过程的搜索结果。然而,根据相关性,用户将评估和显示搜索结果。文档的相关性是非常重要的用户。如果用户认为这是一个有关文档,他完成了文档中搜索其他用户继续搜索数据库通过调整查询到相关文档检索满足用户的信息需求。

遗传算法是一种概率算法模拟生物体的自然选择的过程,最后提出一个问题的近似解4- - - - - -6]。在遗传算法实现中,候选解决方案的搜索空间是由(称为个人或生物)到一个优化问题发展更好的解决方案;每个代表一个字符串称为染色体。每个染色体都有一个目标函数值,称为健身。一组染色体与它们相关的健身称为人口。这个群体,在给定迭代遗传算法,被称为一代。在每一代中,每个个体的健康人口从当前人口根据他们的健身价值评估和修改,形成一个新的人口。然后使用新的人口在下一次迭代算法。

遗传算法终止时的最大数量代已生产或一个令人满意的人口的健康水平已经达到。如果算法终止由于一代又一代的最大数量,一个令人满意的解决方案可能有也可能没有。遗传算法的工作取决于我们选择如何约束的初始随机关键词。

剩下的纸是组织如下:部分2讨论了红外组件,而部分内重要的进程3评论气体互联网搜索的相关性及其在红外应用。部分4给出了结论。

2。一个信息检索系统的组成部分

的红外光谱如图的框架1,用户给手机SMS-query(原始查询)和查询新配方以提高预测检索文档的相关性。这种改进的查询搜索数据库。红外系统数据库和搜索匹配的文档,因此,检索匹配过程的搜索结果。基于相关性,用户将显示搜索结果。文档的相关性是非常重要的用户。如果用户认为这是一个有关文档,他完成了文档中搜索其他用户继续搜索数据库通过调整查询到相关文档检索满足用户的信息需求。因此,用户查询新处方将通过更新模型。用户模型是一个特定用户的存储知识。一个简单的模型通常由关键字描述用户感兴趣的领域。这些文件根据TFIDF方法。 The documents which have the high retrieval status value (RSV) are considered as the top ranked documents.

提出了红外系统的两个主要组件框架文档数据库和查询处理系统新配方。文档数据库存储数据库相关的文档和信息的表征内容基于TFIDF方法。SMS-query关键词词也与该组件为每个文档自动生成代表通过提取SMS-query关键字的频率从文档内容。新配方的查询处理系统包括两个子系统:Searching-Matching单元和Displaying-Ranking单元。

搜索单元允许用户搜索文档的文档数据库,并匹配单元比较所有文档对用户的查询。提高预测检索文档的相关性,这种改进的查询搜索数据库。Searching-Matching单元做了彻底的搜索和发现哪些文档匹配用户查询。这个单位检索几乎所有的文档匹配整个查询的一部分或全部,也就是说,单位检索有关在nonrelevant文件。显示单元显示搜索结果基于相关性用户信息需求的文档,和排名单位排名根据用户查询的相关文档。Displaying-Ranking单位做一个详细的显示搜索结果,找出哪些文档有很高的RSV被认为是排名最高的文档。因此,红外系统排名文档根据RSV之间的文档和查询。如果文档有高RSV,文档是接近查询。

一般而言,红外系统等级降序排列的文件列表。有效处理后查询,检索前最相关的文档,它给用户。虽然相关反馈是一个红外系统的过程,旨在提高系统的性能根据用户的反馈,修改查询使用的评价的相关性,高排名的文档和历来是一个重要的方法,提高红外系统的性能。具体来说,用户的判断的相关性或nonrelevance用于检索文档的查询和添加新术语reweigh查询条件。的所有文件,例如,如果用户法官相关包含一个特定的术语,然后,这个词可能是一个很好的一个添加到原来的查询。它是由知道相关性反馈提高了系统的整体性能以60%对170%不同的文档集合7]。鉴于明显相关性反馈技术的有效性,是很重要的,任何提出的信息检索模型包括这些技术。

3所示。文献综述

在设计遗传算法有三个主要组件,必须考虑(8]。本研究提出了一种应用遗传算法的相关反馈方法旨在适应关键字权重。在下面,我们将三个主要组件;第一个是编码的问题解决方案;后续是要找到一个适应度函数,可以优化性能,,最后,参数的设置包括人口规模、人口结构、遗传算子。遗传算法通常用于解决制定时间表(9),股票市场(10),和作业调度11)问题。遗传算法(GA)作为一个强大的工具来搜索解决方案领域的相关特性和适用于红外(讨论的理由12,13]。

自从互联网公共网络的出现,信息的数量正在迅速上升。这个公共网络最重要的用途之一是找到信息。在这样一个巨大的和不稳定的信息收集,今天最大的问题是找到相关信息。有必要改善现有搜索代理。不同的建议使用气体在互联网搜索提出了这一目标。

根据(14),提出了现有互联网搜索引擎的问题检查,,因此,需要一个新颖的设计是十分必要的。让搜索引擎更加有效地工作,新的想法如何提高现有网络引擎,然后自适应技术与可替换主体互联网搜索引擎,特别是移动代理。技术,固定和移动代理之间的理解是用作显示更多的能力。然而,元搜索引擎为用户提供所需文件基于多重代理机制。结果从搜索引擎获得的结合在网络是并行完成的。在这方面,一个反馈机制使元搜索引擎用户的建议找到文件,导致一个新的查询使用遗传算法。

文献[15)提出了一种新的技术,关键字查询,动态地生成新的页面,叫做页面组成,它包括所有的查询关键词。生成的页面组成从超链接网页中提取和一起修补相关部分和留住最初的Web页面的链接。排名页面组成,原始页面的超链接结构和每个页面的关键字之间的关系。拟议的技术是用来评估启发式算法来有效地生成前由页面。

文献[16)使用天然气用户建模的自适应和探索性行为在信息检索系统。Maleki Dizaji选择潜在的遗传算子提到作为一个主要缺点的使用天然气。然而,遗传算法主要用于解决优化问题;用于信息检索取得进展。

文献[17)提出了一种改进的遗传算法在大多数竞争遗传算法解决了问题。所以,它改变了选择技术的简单的遗传算法,提高了搜索效率,但当地最好的搜索能力得不到提高。该算法的自适应调整变异概率和交叉和变异概率的位置在染色体。

根据(18]他们调查了一个有效的GA监控网络数据库管理系统的成功结合的功能,质量,和复杂的查询优化器寻找好的解决这个问题。

也(19]他们提出了一个框架,用于web挖掘、数据挖掘和知识发现技术的应用在WWW,收集的数据和基因搜索的搜索引擎。作者定义了一个评估函数,用户请求的是一个数学公式来定义一个稳态GA,发展人口与二进制锦标赛选择页面。这种方法在页面选择一个交叉位置随机和个人之间的交流链接后,那个位置(网页)。

根据(20.]他们提出了一个基于类的网络文档管理和访问系统,刺鼻的;它使用机器学习技术来组织和检索网络文档。刺鼻的自动学习的知识获取过程的分类知识classified-internet文件到一个或多个类。在刺鼻的两阶段搜索引擎将使用对用户查询的层次结构。

根据(21]他们提出和应用动态终止遗传算法来生成网页剪报从web搜索结果。网页剪辑合成(pc)搜索方法适用于动态终止遗传算法生成一组best-of-run网页剪报控制时间。该方法动态地终止GA收益率与常规天然气达成的解决方案相比具有成本效益的解决方案。

根据(22他们提出了一个智能的个人互联网搜索蜘蛛的方法。作者实现互联网个人蜘蛛基于最佳优先搜索和遗传算法技术。使用遗传算法适用于随机选择基于Jaccard健身,heuristic-based交叉和变异算子。这些个人蜘蛛动态取一组用户的主页开始选择网络,基于现有的链接和关键字索引。

根据(23]他们提出利用遗传编程(GP)推导方法的结合三个不同来源的证据文档的web搜索引擎排名。方法定义了方法的初始化方法来创建初始种群。两种方法可以采用,或完整成长,代表小算法构造树的变化。应对的方法是有用的搜索引擎,可以请求不同形式的查询提交。

因此,人们越来越感兴趣的应用GA IR在过去的几年里的工具。机器学习的概念(24),其目的是设计的系统能够自动获取知识本身似乎是有趣的22]。气体没有被具体学习算法,但也提供一个强大的和特定领域的搜索能力,可以用于许多学习任务,因为学习和selforganization可以被认为是在许多情况下优化问题。由于这个原因,气体红外光谱的应用增加了在过去的几年里。,在接下来,我们将分析一些不同的提议在这些领域在过去的几年里。

3.1。聚类的文档和术语

在这个领域,应用了两种方法获取集群面向用户的文档。根据(25),寻找组织的术语与类似的频率出现在文档的集合。作者考虑一个GA分组条款没有维护他们最初的秩序。遗传算法的主要特点如下。(我)表示方案:两种不同的编码方案被认为包括division-assignment和分离器的方法。(2)初始种群:第一代的染色体取决于选择的编码,和其他个体是随机生成的。(3)运营商:每个操作符有一个应用程序和旋转轮盘赌选择概率相关。使用不同的交叉和变异算子。(iv)适应度函数:一个测量的相对熵和普拉特是两个建议采纳。

3.2。匹配函数的学习

匹配函数学习的目的是使用遗传算法来生成一个相似性度量向量空间红外系统为一个定义用户提高其检索效率。这就构成了新的信仰自相关性反馈匹配函数是适应,而不是查询。在这方面,专业文献中提出了两种不同的变体。(我)自动相似性度量学习:根据(26,27),他们引入了遗传算法,自动匹配函数相关性反馈学习。此外,相似性函数表示为树木和一个古典时代的方案;一般遗传算法交叉。(2)现有的相似函数的线性组合:28)提出一个新的weighted-matching函数,不同的现有的相似函数的线性组合。遗传算法的权重参数估计基于相关性来自用户的反馈。作者使用真正的编码,一个经典的分代方案,两点交叉,高斯噪声突变。最后,克兰菲尔德的算法测试集合。

自动文档索引
这一领域的应用适应纪录片中的文档描述的基础,目的是促进文档检索的相关查询。根据(28他们提出一个GA获得文档描述。他们选择一个二进制编码方案,每个描述都是一个固定长度和一个二进制向量。人口的遗传是由不同的描述相同的文档。适应度函数是基于计算相似性的当前文档描述和每个查询(相关的文档或nonrelevant)通过Jaccard指数,然后,计算的平均适应值描述的一组相关和nonrelevant查询。在戈登的作品中,遗传算法被认为是很不寻常的,因为没有变异算子,和交叉概率等于1。关于选择方案,每一个染色体的拷贝数在新的人口计算,其适应值除以人口平均水平。也(29日提出一个基于GA索引函数学习算法,其目的是获得一个索引函数的关键术语权重跟单托收改善IR的过程。

查询学习
这是最扩展群遗传算法在信息检索中的应用。每一个提议在这个小组使用遗传算法相关反馈方法或像一个归纳实例查询(IQBE)算法。相关性反馈的根本在于,要么用户通常制定查询组成的条款,条款不匹配(用于索引的相关文件需要)或他们不提供适当的查询项的权重。操作模式是涉及和修改前面的查询(添加和删除或改变现有的查询项的权重),考虑到相关性判断的文件检索,,是一个很好的方式来解决后两个问题和提高精度,特别是回忆之前的查询(39]。

因此,IQBE提出了“过程中,搜索者提供样本文档(例子),诱导和算法(或学习)的关键概念为了找到其他相关文件”(22]。这种技术是一个过程,协助用户查询公式过程中执行的机器学习技术。它通过一组相关工作(和可选地,nonrelevant文档)提供的用户和应用离线学习过程自动生成查询描述用户的信息需求。此外,(40]提出一种遗传算法学习布尔红外系统查询。尽管作者介绍概念方法相关反馈算法,实验实际上是接近IQBE框架。

根据(41他们提出一个类似的GA的[25]。他们使用一个真正的编码与两点交叉和随机变异算子(此外,交叉和变异概率是改变了遗传算法在运行)。的选择是基于经典的分代方案染色体与健身价值低于平均水平的人口是消除,繁殖是由贝克的机制。

综合比较不同提议由不同作者的总结表1。

4所示。结论

本文处理的信息检索和遗传算法的基本原理。使用遗传算法能够解决问题,在互联网搜索和研究领域进行了讨论。它还处理多样化的建议在互联网搜索承诺和不断增长的研究领域。本文研究遗传算法在不同领域的相关性的互联网网络搜索一些遗传算法应用到信息检索和一项调查在互联网搜索领域的研究工作做仔细检查,结果到目前为止,因此,是很有希望和鼓励。

引用

1. f . g . Erba z Yu, l . Ting”使用显式措施量化潜在的个性化搜索,“研究信息技术杂志》上,3卷,不。1,24到34,2011页。视图:出版商的网站|谷歌学术搜索
2. r . Baeza-Yates和b . Ribeiro-Neto现代信息检索纽约,纽约,美国,1999年。
3. k . Agbele h . Nyongesa, a . Adesina”E-health系统的信息通信技术和信息安全的角度,“《移动通信4卷,17-22,2010页。视图:谷歌学术搜索
4. j . h .荷兰,适应在自然和人工系统,密歇根大学出版社,安阿伯市,密歇根州,美国,1975年。
5. k·a·德琼分析一类遗传自适应系统的行为密歇根大学,1975。
6. d·e·戈德堡遗传算法在搜索、优化、机器学习,,1989。
7. g·索尔顿海和c·巴克利,“通过相关性反馈,改进检索性能”美国信息科学学会杂志》上第41卷。。4、288 - 297年,1990页。视图:谷歌学术搜索
8. l·m·施密特”基本研究,遗传算法理论,“理论计算机科学,卷259,不。1 - 2、1 - 61、2001页。视图:出版商的网站|谷歌学术搜索
9. k .米,“使用遗传算法解决制定时间表的问题,”IEEE学报》27日国际春季研讨会电子技术:会议电子科技进步的挑战1卷,第98 - 96页,2004年。视图:谷歌学术搜索
10. 林l, l .曹j . Wang和c,“遗传算法在股票市场的应用数据挖掘优化”美国资本市场CRC,悉尼,澳大利亚,2000年。视图:谷歌学术搜索
11. w .应和l .本“使用遗传算法的作业车间调度,”《IEEE国际会议系统,人与控制论1996年10月,页1994 - 1999。视图:谷歌学术搜索
12. j . f .夫兰泽尔”的新型遗传算法优化”,IEEE势卷,12月21,1993页。视图:谷歌学术搜索
13. l . Tamine c . Chrisment和m . Boughanem”多个查询评估一个增强遗传算法的基础上,“信息处理和管理,39卷,不。2、215 - 231年,2003页。视图:出版商的网站|谷歌学术搜索
14. m . Koorangi和k . Zamanifar分布式代理网络搜索利用遗传算法为基础,“国际计算机科学杂志和网络安全,7卷,不。1,第76 - 65页,2007。视图:谷歌学术搜索
15. r .同其它诉Hristidis, t·李,“除了单页的网络搜索结果,”IEEE工程知识和数据,20卷,不。3、411 - 424年,2008页。视图:出版商的网站|谷歌学术搜索
16. s . Maleki-Dizaji基于多智能主体的进化学习信息检索系统(博士。论文)谢菲尔德哈勒姆大学,2003。
17. j . Cheng w·陈,陈l . y .妈,“遗传算法搜索性能的提高,”1日学报》国际会议在机器学习和控制论,第951 - 947页,北京,中国,2002年11月。视图:谷歌学术搜索
18. Sinha和美国诉在改变,“使用遗传算法的查询优化,”研究信息技术杂志》上,卷2,不。3、139 - 144年,2010页。视图:出版商的网站|谷歌学术搜索
19. m . h . Marghny和a·f·阿里“Web挖掘基于遗传算法”《AIML O5会议中金公司,开罗,埃及,2005年12月。视图:谷歌学术搜索
20. j . m . m . c, s·h·林Chen Ho和y . m .黄”ACIRD:智能网络文档的组织和检索,”IEEE工程知识和数据,14卷,不。3、599 - 614年,2002页。视图:出版商的网站|谷歌学术搜索
21. c·j·l . c . Chen Luh, c .周素卿”从web搜索结果中使用动态生成网页剪报遗传算法终止,”信息系统,30卷,不。4、299 - 316年,2005页。视图:出版商的网站|谷歌学术搜索
22. c . h . Cheng Yi-Ming、r .元帅和y克里斯托弗,“一个聪明的个人动态互联网/内联网搜索蜘蛛(代理),“决策支持系统,23卷,不。1,41-58,1998页。视图:谷歌学术搜索
23. t·p·c·席尔瓦·e·s·德·莫拉,j·m·b·卡瓦尔康蒂。a . s . da Silva卡瓦略·m·g和m . a . Goncalves”进化方法结合搜索引擎不同来源的证据,”信息系统,34卷,不。2、276 - 289年,2009页。视图:出版商的网站|谷歌学术搜索
24. t·米切尔,机器学习麦格劳-希尔,1997年。
25. a . m .罗伯逊和p·威利•代equifrequent利用遗传算法组词,“杂志的文档,50卷,不。3、213 - 232年,1994页。视图:谷歌学术搜索
26. m·戈登”概率和遗传算法为文档检索”,ACM的通信没有,卷。31日。10日,1208 - 1218年,1988页。视图:出版商的网站|谷歌学术搜索
27. w .风扇、m·d·戈登和p .帕沙克”发现的上下文相关的排名功能有效的信息检索利用遗传规划,“IEEE工程知识和数据,16卷,不。4、523 - 527年,2004页。视图:出版商的网站|谷歌学术搜索
28. m·戈登·p·帕沙克,w .粉丝,“有效的信息检索使用基于遗传算法的匹配功能适应,”学报》第33届夏威夷国际会议系统科学(HICSS ' 00),2000年1月。视图:谷歌学术搜索
29. w .风扇、m·d·戈登和p .帕沙克”的个性化搜索引擎服务有效的检索和知识管理,”程序信息系统国际会议(艾多酷' 00)布里斯班,澳大利亚,2000年。视图:谷歌学术搜索
30. f . Eissa h . Alghamdi,“基于代理的信息检索系统,”《国际会议论文集,第279 - 265页,2005年。视图:谷歌学术搜索
31. m . s . Vallim和j·m·a . Coello”代理基于遗传算法的网络信息传播,”IEEE、国际会议系统、男人和控制论,4卷,不。5 - 8,3834 - 3836年,2003页。视图:谷歌学术搜索
32. b . w . Li, h·杨,w·c·钟,C.-W。陆”,遗传算法在搜索引擎中的应用”《学报》国际会议在微电子系统教育(MSE ' 00)IEEE,页366 - 371年,2000年。视图:谷歌学术搜索
33. m . Caramia g . Felici, a . Pezzoli”改善搜索结果与数据挖掘主题搜索引擎,”电脑和运筹学没有,卷。31日。14日,第2404 - 2387页,2004年。视图:出版商的网站|谷歌学术搜索
34. l . Rocio l .切m·卡洛斯Lorenzetti, g .安娜和m . Nelida”使用遗传算法进化局部查询人口,”信息处理和管理,44卷,不。6,1863 - 1878年,2008页。视图:谷歌学术搜索
35. k .安、t . Taketa和h . Nunokawa”一个高效的信息检索方法在WWW使用遗传算法,”ICPP研讨会,第527 - 522页,1999年。视图:谷歌学术搜索
36. m . j . Martin-Bautista h·拉森,m·A·维拉”模糊遗传算法的自适应信息检索代理方法,”美国信息科学学会杂志》上,50卷,不。9日,第771 - 760页,1999年。视图:谷歌学术搜索
37. w .风扇,m·d·戈登,p .帕沙克,w . Xi和e·a·福克斯,“为有效的网络搜索排名函数优化的遗传编程,实证研究中,“处女技术计算机科学部门,佛罗里达大学,2003。视图:谷歌学术搜索
38. 诉Milutinovic、d . Cvetkovic)和j . Mirkovic“遗传搜索基于多个突变,”IEEE计算机,33卷,不。11日,第119 - 118页,2000年。视图:谷歌学术搜索
39. 诉Rijsbergen,信息检索巴特沃斯,第二版,1979年版。
40. m·p·史密斯和m .史密斯”,利用遗传规划建立布尔查询文本检索通过相关性反馈,”信息科学杂志》,23卷,不。6,423 - 431年,1997页。视图:谷歌学术搜索
41. j·j·杨和r . r . Korfhage“查询修改在向量空间模型,使用遗传算法”国际专家系统杂志》上,7卷,不。2、165 - 191年,1994页。视图:谷歌学术搜索

版权

版权©2012 Kehinde Agbele等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。