Credibility in Web Search Engines
网络搜索引擎应用各种排名信号来实现用户满意度,即,为用户提供最佳结果的结果页面。虽然这些排名信号隐含地考虑了可信度(例如,通过衡量受欢迎程度),没有采用明确的可信度衡量标准。在这一章中,在Web搜索引擎的可信度进行了讨论,在一个广泛的背景下:可信度作为一个措施,包括在搜索引擎的索引文件,作为一个排名信号的可信度,在通用搜索结果的上下文中的可信度,以及使用可信度作为一个明确的衡量排名的目的的可能性。据发现,虽然搜索引擎-至少在一定程度上-显示可信的结果,他们的用户,有没有完全集成的可信度框架的Web搜索引擎。
2012-08-05 cs.IR
Performance Oriented Query Processing In GEO Based Location Search Engines
地理位置搜索引擎允许用户通过将查询集中在特定地理区域上来以直观的方式对搜索结果进行约束和排序。地理搜索技术,也被称为位置搜索,最近受到了主要搜索引擎公司的极大关注。这一领域的学术研究主要集中在从网络中提取地理知识的技术上。在本文中,我们研究了可扩展的地理搜索引擎中的高效查询处理问题。查询处理是标准Web搜索引擎中的主要瓶颈,也是主要引擎使用数千台机器的主要原因。地理搜索引擎查询处理的不同之处在于它需要文本和空间数据处理技术的组合。我们提出了几种算法,有效的查询处理地理搜索引擎,将它们集成到现有的Web搜索查询处理器,并评估它们的大集合的真实数据和查询痕迹。
2010-05-06 cs.IR
Introducing Semantic Capability in LinkedIn's Content Search Engine
本文针对用户查询日益复杂化的趋势,介绍了LinkedIn新型内容搜索引擎的语义能力设计,并展示了其对搜索指标的影响。
2025-01-02 cs.IR
Evaluation Metrics for Measuring Bias in Search Engine Results
搜索引擎决定我们看到一个给定的搜索查询。由于许多人是通过搜索引擎接触信息的,因此可以公平地期望搜索引擎是中立的。然而,搜索引擎结果不一定覆盖搜索查询主题的所有观点,并且它们可能偏向于特定观点,因为搜索引擎结果是基于相关性返回的,相关性是使用许多特征和复杂算法计算的,其中搜索中立性不一定是焦点。因此,重要的是要评估搜索引擎的结果相对于偏见。在这项工作中,我们提出了新的网络搜索偏见的评估措施,考虑到排名和相关性。我们还提出了一个框架来评估网络搜索偏见,使用建议的措施和测试我们的框架上两个流行的搜索引擎的基础上,57个有争议的查询主题,如堕胎,医用大麻,同性恋婚姻。我们衡量立场偏见(支持或反对),以及意识形态偏见(保守或自由)。我们观察到,立场不一定与意识形态倾向相关,例如,对堕胎的积极立场表明自由主义倾向,但对古巴禁运的积极立场表明保守主义倾向。我们的实验表明,没有一个搜索引擎遭受立场偏见。然而,这两个搜索引擎都受到意识形态偏见的影响,都倾向于一种意识形态倾向于另一种,这从我们社会两极分化的角度来看更为重要。
2023-02-03 cs.IR
What Users See - Structures in Search Engine Results Pages
本文研究了搜索引擎结果页面的组成。我们定义了最流行的网络搜索引擎在其结果页面上使用的元素(例如,有机结果、广告、快捷方式)以及它们在何种程度上用于流行查询与罕见查询。因此,我们向主要的搜索引擎Google、Yahoo、Live.com和Ask发送500个这两种类型的查询。我们计算不同元素被各个引擎使用的频率。总的来说,我们的研究基于42,758个元素。调查结果包括,搜索引擎使用不同的方法来组成结果页面,因此,用户可以看到不同的结果集取决于搜索引擎和搜索查询使用。有机结果仍然在结果页面中发挥主要作用,但不同的快捷方式也很重要。关于某些主机在结果集中的频率,我们发现所有搜索引擎都经常显示维基百科的结果,而其他主机的显示取决于所使用的搜索引擎。谷歌和雅虎都更喜欢自己提供的结果(如YouTube或雅虎答案)。由于我们使用了搜索引擎的.com界面,因此结果可能对其他国家/地区特定的界面无效。
2015-11-18 cs.IR
Simple Search Engine Model: Selective Properties
本文以一个简单的搜索引擎为例,研究了查询与搜索引擎之间的关系。我们利用集合论,利用事件空间中定义单例和双例的词语和术语,给出了它们的实现,证明了微簇阴影的存在。
2013-03-16 cs.IR
Rivendell: Project-Based Academic Search Engine
在在线数据库中查找相关研究文献是所有研究人员都熟悉的挑战。试图解决这一挑战的通用搜索方法分为两类:一次性搜索和终生搜索。我们观察到,这两种方法都忽略了研究领域的独特属性,并受到概念漂移的影响。我们认为,在搜索研究论文,一个终身的搜索引擎与明确提供的上下文(项目)的组合提供了一个解决方案的概念漂移问题。我们为研究论文开发并部署了一个基于项目的Meta搜索引擎,名为Ritzell。使用Rimeiell,我们对199名受试者进行了实验,将基于项目的搜索性能与一次性和终身搜索引擎进行了比较,结果显示,与终身搜索相比,基于项目的搜索性能提高了12.8%。
2022-06-26 cs.IR
Methods for comparing rankings of search engine results
在本文中,我们提出了一些措施,比较排名的搜索引擎结果。我们将这些措施应用于五个查询,每天监测约21天的两个时期。每天比较不同搜索引擎的排名(文字搜索用Google、Yahoo和Teoma,图像搜索用Google、Yahoo和Picsearch),此外还对同一引擎的同一查询进行长期纵向比较。并对两个时期的成绩和排名进行了比较。
2005-05-14 cs.IR
Linear Regression Evaluation of Search Engine Automatic Search Performance Based on Hadoop and R
搜索引擎的自动搜索性能已经成为衡量用户体验差异的重要组成部分。高效的自动搜索系统可以显著提高搜索引擎的性能,增加用户流量。Hadoop具有强大的数据集成和分析能力,而R在线性回归方面具有出色的统计能力。本文将提出一种基于Hadoop和R的线性回归来量化自动检索系统的效率。我们使用R的功能属性来转换用户的搜索结果的线性相关性。这样,最终输出的结果就有多种显示形式,而不是网页预览界面。本文针对现有搜索引擎搜索算法存在的一次或两次搜索准确率低、搜索结果类型多等缺陷,提出了可行的解决方案。我们可以根据用户需求,利用公共数据集进行个性化回归分析,优化资源整合,获取最相关的信息。
2020-12-02 cs.IR
Design and Implementation of a Simple Web Search Engine
我们提出了一个简单的网络搜索引擎的索引和搜索HTML文档使用Python程序设计语言。由于python以其简单的语法和对主流操作系统的强大支持而闻名,我们希望它能对学习信息检索技术,特别是web搜索引擎技术有所帮助。
2012-02-09 cs.IR
Towards More Accountable Search Engines: Online Evaluation of Representation Bias
信息的可用性影响人们的行为和对世界的感知。值得注意的是,人们依靠搜索引擎来满足他们对信息的需求。搜索引擎提供与用户请求相关的结果,通常不对所提供的信息负责,这可能会损害人们的生活,进而损害社会。这种潜在的风险促使开发偏见的评价机制,以使用户能够判断搜索引擎的结果。在本文中,我们给出了一个可能的解决方案来衡量代表性偏见的社会功能方面的搜索引擎,并将其应用到评估的性别代表性偏见谷歌的知识图谱Caribbean上市职业。
2021-10-17 cs.IR
Simple Search Engine Model: Adaptive Properties for Doubleton
本文以一个简单的搜索引擎为例,通过探索双例作为事件空间的自适应特性,研究了查询与搜索引擎之间的关系。我们采用集合论定义双元素,并产生一些性质。
2012-12-19 cs.DM cs.IR
Ordinary Search Engine Users Carrying Out Complex Search Tasks
网络搜索引擎已经成为在因特网上查找信息的主要工具。由于它们的流行,用户将它们应用于广泛的搜索需求,从简单的查找到相当复杂的信息任务。本文介绍了一项研究的结果,调查这些复杂的信息需求的特点,在Web搜索引擎的背景下。该研究的目的是找出更多关于(1)是什么使复杂的搜索任务不同于简单的任务,如果有可能找到简单的措施来描述他们的复杂性,(2)如果搜索成功的任务可以预测通过独特的措施,(3)如果成功的搜索者表现出不同的行为比不成功的。这项研究包括60人谁进行了一组12个搜索任务与当前的商业搜索引擎。他们的行为记录与搜索记录工具。结果证实,复杂的任务显示出显着不同的特点比简单的任务。然而,似乎很难区分成功和不成功的搜索行为。好的搜索者可以通过可测量的参数与坏的搜索者区分开来。这些发现的影响搜索引擎供应商进行了讨论。
2012-07-04 cs.IR
The Essence of the Essence from the Web:The Metasearch Engine
本文研究元搜索引擎如何通过并行分发查询并精炼多个搜索引擎结果来减轻用户负担,并通过与传统搜索引擎的比较研究证明其优越性。
2024-11-06 cs.IR
Problems with the use of Web search engines to find results in foreign languages
目的-测试主要搜索引擎,Google,Yahoo,MSN和Ask区分德语和英语文档的能力设计/方法/途径-使用德语和英语中常见的单词向引擎提出50个查询。使用了语言限制的高级搜索选项,一次是德语,一次是英语。研究了每种语言中每个引擎的前20个结果。结果-虽然没有一个搜索引擎面临的问题,在提供结果的语言界面,使用,谷歌和MSN面临的问题时,结果被限制为外语。研究限制/影响-搜索引擎只测试了德语和英语。我们只有零星的证据表明,其他语言也存在同样的问题。实际影响-搜索者不应该使用的语言限制在谷歌和MSN搜索外语文档时。相反,搜索者应该使用Yahoo或Ask。如果在Google或MSN中搜索外语文档,应使用目标语言/国家的界面。纸张的价值-展示了一个以前没有研究过的搜索引擎的问题。
2015-11-18 cs.IR
To Infinity and Beyond! Accessibility is the Future for Kids' Search Engines
儿童搜索引擎领域的研究仍处于起步阶段。Seminal作品研究了儿童如何使用主流搜索引擎,以及如何设计和评估明确为儿童定制的搜索引擎。然而,这些作品往往采取一刀切的观点,将儿童视为一个单位。然而,即使在相同的年龄,孩子们也知道拥有和表现出不同的能力。这些差异会影响儿童访问和使用搜索引擎的方式。为了更好地为儿童服务,在这份愿景文件中,我们聚焦可访问性,并讨论为什么目前对儿童和搜索引擎的研究没有,但应该,专注于这一重大问题。
2021-06-15 cs.IR
How search engine marketing influences user knowledge gain: Development and empirical testing of an information search behavior model
人们使用搜索引擎来寻找与他们的健康、财务或其他社会相关问题的答案。然而,大多数用户不知道搜索结果是相当大的影响,搜索引擎营销(SEM)。SEM措施由商业、政治或其他动机驱动。由于这些动机,出现了两个问题:什么样的信息质量是通过SEM介导?收集不同质量的文档是如何影响用户知识获取的?这两个问题都没有被现有的信息行为模型所考虑。因此,在本文中描述的博士研究项目的目的是开发和实证测试的SEM对用户知识获取的影响的信息搜索行为模型,从而有助于搜索作为学习主体的研究。
2023-01-24 cs.IR
A Framework for Evaluating the Retrieval Effectiveness of Search Engines
本章提出了一个评估下一代搜索引擎的理论框架。我们关注的是搜索引擎,其结果呈现丰富了附加信息,而不仅仅是呈现通常的10个蓝色链接列表,即10个链接到结果,并附有简短的描述。虽然这里以Web搜索为例,但该框架可以很容易地应用于任何其他领域的搜索引擎。该框架不仅解决了结果的呈现,但也考虑到检索有效性测试的一般设计的扩展。本章探讨了这种设计可能会影响这些研究结果的方式,以及如何设计最可靠的测试。
2015-11-18 cs.IR
This is what a pandemic looks like: Visual framing of COVID-19 on search engines
在当今的高选择媒体环境中,搜索引擎在向个人和社会通报最新事件方面发挥着不可或缺的作用。搜索算法的重要性在危机时刻甚至更高,当用户搜索信息以了解当前局势的原因和后果并决定他们的行动方针时。在我们的论文中,我们对不同的搜索引擎如何优先处理与COVID-19相关的视觉信息以及它对大流行的表现有什么影响进行了比较审计。使用基于虚拟代理的审计方法,我们检查了在五个主要搜索引擎上以英语,俄语和中文搜索“冠状病毒”一词的图像搜索结果:Google,Yandex,Bing,Yahoo和DuckDuckGo。具体来说,我们专注于图像搜索结果如何与通用新闻框架(例如,责任归属、人类利益和经济学),以及它们的视觉构成在搜索引擎之间的变化。
2022-09-22 cs.IR
Parsisanj: a semi-automatic component-based approach towards search engine evaluation
在过去的二十年里,由于大量的可用数据和每天产生的高速率的新数据,通过搜索引擎在互联网上广泛地搜索所需的数据。因此,鼓励搜索引擎使网上最有价值的现有数据可供搜索。知道如何处理大量的数据,在每一个步骤的搜索引擎的过程中,从爬行到索引和排名只是一个专业的搜索引擎应该解决的挑战之一。此外,它还应该拥有处理用户流量的最佳实践,最先进的自然语言处理工具,还应该解决科学和技术边缘的许多其他挑战。因此,由于这些系统的内部复杂性,评估这些系统太具有挑战性,对于找到现有系统的改进路径至关重要。因此,评估过程是搜索引擎的正常子系统,其作用是构建其路线图。最近,一些国家已经开发了国家搜索引擎计划,以建立一个基础设施,根据他们的需要,在网上提供他们的语言的数据的基础上提供特殊服务。本研究旨在通过与国际上两大搜索引擎Google和Bing的比较,揭示伊朗两大搜索引擎Yooz和Parsijoo的发展路径。与相关工作不同的是,它是一种半自动的方法来评估搜索引擎在第一步。最后,我们得到了一些有趣的结果,在此基础上,我们可以具体说明基于组件的改进路线图的国家搜索引擎。
2020-09-25 cs.IR
PseudoSeer: a Search Engine for Pseudocode
本文提出PseudoSeer伪代码搜索引擎,基于Elasticsearch和加权BM25算法,支持对arXiv论文标题、摘要、作者及LaTeX代码片段的多方面组合检索与精确匹配,以高效定位含伪代码的学术论文。
2024-11-19 cs.IR
Misplaced trust? The relationship between trust, ability to identify commercially influenced results, and search engine preference
人们对搜索引擎有很高的信任度,尤其是谷歌,但正如许多研究所表明的那样,他们对搜索引擎的了解有限。这就引出了一个问题:考虑到用户对搜索引擎的工作方式和它们所建立的商业模式缺乏熟悉,这种信任在多大程度上是合理的?我们假设对Google的信任、对搜索引擎的偏好以及对结果类型的了解是相互关联的。为了验证这一假设,我们对2,012名德国互联网用户进行了一项具有代表性的在线调查。我们发现,用户很少搜索引擎的知识更有可能信任和使用谷歌比用户有更多的知识。一个矛盾显露出来--用户非常信任谷歌,但他们无法充分评估搜索结果。这可能是有问题的,因为它可能潜在地影响知识获取。因此,有必要提高用户的信息素养,为用户对搜索引擎的信任奠定更坚实的基础。
2021-03-15 cs.IR
The Retrieval Effectiveness of Web Search Engines: Considering Results Descriptions
目的:比较五个主要的Web搜索引擎(Google、Yahoo、MSN、Ask.com和Seekport)的检索效果,不仅考虑结果,而且考虑结果描述。设计/方法/方式:该研究使用现实生活中的查询。结果是匿名和随机的。结果由提出原始查询的人判断。结果:两个主要的搜索引擎,谷歌和雅虎,表现最好,他们之间没有显着差异。Google提供的结果描述比其他任何搜索引擎都要相关得多。这可能是用户认为该引擎优越的原因之一。研究局限性:该研究基于用户模型,其中用户相当系统地考虑了一定数量的结果。在现实生活中,情况可能并非如此。实际意义:暗示搜索引擎应该关注相关的描述。建议搜索者使用除Google之外的其他搜索引擎。创意/价值:这是第一个主要的研究比较结果和描述系统,并提出了新的检索措施,以考虑到结果的描述
2015-11-18 cs.IR
The Anatomy of Mitos Web Search Engine
设计一个提供有效和高效的信息检索的Web搜索引擎是一项具有挑战性的任务。本文介绍了我们的经验,从设计和开发一个Web搜索引擎提供了广泛的功能,我们报告了一些有趣的实验结果。该引擎的一个相当独特的设计选择是,它的索引基于DBMS,而提供的一些独特功能包括高级希腊语词干提取、实时的结果聚类和高级链接分析技术(也用于垃圾页面检测)。
2008-03-16 cs.IR
The Evolution of Web Search User Interfaces -- An Archaeological Analysis of Google Search Engine Result Pages
网络搜索引擎改变了人们搜索和访问信息的方式,从而改变了每个人的生活。搜索引擎特别关注用户界面,尤其是搜索引擎结果页面(SERP)。众所周知的“10个蓝色链接”列表已经发展成为更丰富的界面,通常是个性化的搜索查询,用户和其他方面。20多年后,文献没有充分描述这一发展。我们提出了一个研究SERP接口的演变,在过去的二十年中使用谷歌搜索作为案例研究。我们使用每年搜索次数最多的查询从Internet Archive中提取SERP样本。使用这个数据集,我们分析了SERP如何在内容,布局,设计(例如,配色方案、文本样式、图形)、导航和文件大小。我们还分析了与SERP元素相关的用户界面设计模式。我们发现,SERP在元素方面变得更加多样化,聚合了来自不同垂直领域的内容,并包含了更多提供直接答案的功能。这个系统的分析描绘了搜索引擎用户界面的发展趋势,更普遍的是,网页设计。我们预计这项工作将引发其他更具体的研究,可以利用我们的数据集。
2023-01-20 cs.IR
Capacity Planning for Vertical Search Engines
垂直搜索引擎专注于特定的内容片段,例如单个国家的Web或大公司的文档集合。尽管如此,像一般的开放网络搜索引擎,他们是昂贵的维护,昂贵的操作,并难以设计。因此,预测垂直搜索引擎的响应时间通常是通过实验凭经验完成的,需要昂贵的设置。另一种方法是开发一个用于预测性能的搜索引擎模型。然而,只有当它的预测准确时,这种替代方案才有意义。在本文中,我们提出了一种方法来分析垂直搜索引擎的性能。应用所提出的方法,我们提出了一个容量规划模型的基础上,一个规模通常适合于大公司的需求的搜索引擎的搜索网络。该模型是简单的,但相当准确,并在以前的工作相比,考虑了异构索引服务器之间的查询服务时间的不平衡。我们将讨论如何调整模型,以及如何应用模型来预测当CPU和磁盘容量等参数发生变化时对查询响应时间的影响。这允许垂直搜索引擎的管理者先验地确定系统的新配置是否可以将查询响应保持在指定的性能约束下。
2010-06-25 cs.IR
Preliminary Bias Results in Search Engines
这份报告旨在报告我的论文进展到目前为止。我的工作试图显示两个搜索引擎,必应和谷歌在几个选定的有争议的话题的角度的差异。在这项工作中,我们试图区分的观点,Bing \和谷歌使用情绪以及排名的文件返回从这两个搜索引擎上相同的查询,这些查询主要涉及有争议的话题。你可以在下面找到我们使用的方法和实验结果。
2022-11-07 cs.IR
Pavideoge: A Metadata Markup Video Structure in Video Search Engine
本文研究了视频搜索引擎中的视频处理问题。视频数据已经成为Internet上一种非常重要的数据类型,但由于视频数据本身所具有的巨大存储空间、独立性、信息的隐蔽性等特点,使得视频数据的检索仍然是一项具有挑战性的工作。为了更有效地处理视频的属性,本文提出了一种新的视频搜索引擎中的视频处理方法。具体地说,新的视频处理方法的核心是创建pavideoge--一种新的数据类型,它集视频和网页的优点于一身。pavideoge有四个属性:真实链接,视频排名,文本信息和播放数。它们都是将视频的特性和网页的特性相结合。基于pavideoge的视频搜索引擎可以更有效地检索视频。实验结果表明,令人鼓舞的性能,我们的方法。在此基础上,我们的视频搜索引擎可以检索到更精确的视频。
2009-10-02 cs.IR
Users' Perception of Search Engine Biases and Satisfaction
搜索引擎可能会一直倾向于某些值,而不是其他值,这被认为是由于内置的基础设施而产生的偏见。许多研究致力于从搜索引擎自身的角度来检测、控制和减轻这些偏见的影响。本研究从终端用户的角度出发,分析了他们对搜索引擎偏见的感知,以及当偏见得到规范时,他们的满意度。在这项研究中,我们将来自搜索引擎Bing的真实搜索页面与结果中具有更多差异(即较少偏见)的合成页面配对。这两个页面都显示了搜索查询的前10个搜索项,我们问参与者他们更喜欢哪一个,为什么他们更喜欢选择的那个。统计分析显示,总体而言,参与者更喜欢原始的Bing页面,并且介绍的位置也与用户的偏好有关。我们发现,用户更喜欢与搜索查询更一致和相关的结果。在一定程度上,引入不确定性破坏了搜索结果的相关性,并损害了用户的满意度。此外,我们证实,用户往往更关注结果的顶部,而不是底部。
2021-05-06 cs.IR
Towards a Semantic Search Engine for Scientific Articles
由于科学出版物中的数据泛滥,研究人员和读者越来越难找到相关信息。通过考虑语义关系来构建增强的科学搜索引擎是一个巨大的挑战。作为一个出发点,从科学文章中提取的关键词之间的语义关系,以分类的文章。这可能有助于以后以有意义的科学方式浏览和搜索内容的过程。事实上,通过连接关键词,可以提取文章的上下文。本文旨在提供思路,建立这样一个智能搜索引擎,并描述了实现这样一个雄心勃勃的目标的初步贡献。
2017-09-28 cs.IR
Efficient Fuzzy Search Engine with B-Tree Search Mechanism
搜索引擎在互联网上的日常生活中起着至关重要的作用。人们使用搜索引擎在互联网上查找内容。云计算是一种计算概念,其中数据在称为云的第三方服务器的帮助下存储和访问。数据不存储在本地的机器和软件和信息提供给用户,如果用户需要它。搜索查询是在互联网上搜索数据的最重要的部分。搜索查询由一个或多个关键字组成。搜索查询是从数据库中搜索精确匹配的,传统的可搜索方案不能容忍经常发生的轻微的拼写错误和格式不一致。这一缺点使得现有技术不适合,并且它们提供非常低的效率。在本文中,我们将首次制定的问题,有效的模糊搜索引入树搜索方法。我们将探索B树在搜索机制中的好处,并使用它们来进行有效的关键字搜索。我们严格考虑了系统的安全性分析,以保证系统的安全性和隐私保护。
2014-11-25 cs.IR
A Comparison of Source Distribution and Result Overlap in Web Search Engines
当涉及到搜索引擎时,用户一般更喜欢谷歌。我们的研究旨在找出在谷歌中找到的结果与其他搜索引擎相比的差异。我们比较了来自Google、Bing、DuckDuckGo和Metager的前10名结果,使用了来自德国和美国的Google趋势生成的3,537个查询。谷歌在搜索结果中显示的独特域名比竞争对手多。维基百科和新闻网站是最受欢迎的来源。由于一些顶级来源主导着搜索结果,因此域的分布在所有搜索引擎中也是一致的。Google和Bing之间的重叠率始终低于32%,而Metager与Bing的重叠率高于DuckDuckGo,高达78%。这项研究表明,使用另一个搜索引擎,特别是除了谷歌,提供了更广泛的来源,并可能导致用户找到新的观点。
2022-07-15 cs.IR
Detecting race and gender bias in visual representation of AI on web search engines
网络搜索引擎通过对信息的过滤和排序来影响人们对社会现实的感知。然而,它们的产出往往受到偏见的影响,这可能导致专业职业或性别等主题的代表性不平衡。在我们的论文中,我们使用混合方法的方法来调查存在的种族和性别偏见的人工智能(AI)在图像搜索结果来自六个不同的搜索引擎的代表。我们的研究结果表明,搜索引擎优先考虑人工智能的拟人化图像,将其描绘为白色,而人工智能的非白色图像仅存在于非西方搜索引擎中。相比之下,人工智能的性别代表性更加多样化,对特定性别的倾斜程度更低,这可以归因于对搜索输出中性别偏见的认识更高。我们的观察表明,需要和解决偏见的社会相关的主题,如技术创新的代表性的可能性,并强调设计新的方法来检测偏见在信息检索系统的重要性。
2021-06-26 cs.IR
A New Approach to Design Graph Based Search Engine for Multiple Domains Using Different Ontologies
搜索引擎已经成为人们从万维网(WWW)上搜索任何信息的主要工具。在检索万维网上庞大的数字图书馆时,尽一切努力检索最相关的结果。但是在WWW中,大多数Web页面都是HTML格式的,并且没有这样的标记来告诉爬虫找到任何特定的域。为了找到更相关的结果,我们使用该特定领域的本体。如果我们使用多个领域,那么我们使用多个本体。为了设计一个面向多个领域的特定领域搜索引擎,爬虫必须根据预定义的本体在万维网上抓取特定领域的网页。
2011-09-23 cs.IR
Literature Review of the Pioneering Approaches in Cloud-based Search Engines Powered by LETOR Techniques
搜索引擎在我们的日常生活中起着至关重要的作用。尽管如此,它们在企业领域访问来自各种信息源的文档也非常重要。由于传统的搜索系统主要通过查看这些文档中出现的单词的频率来索引文档,因此它们几乎不能支持自然语言搜索,而是支持关键字搜索。基于关键字的搜索似乎不足以满足快速增长的企业数据。因此,企业搜索在企业领域变得越来越重要。在本报告中,我们概述了文献中的最新技术,主要用于三个目的:i)提高搜索引擎的检索性能,ii)将搜索平台部署到云环境中,iii)在扩展查询时选择最佳术语,以实现更高的检索性能,并为其用户提供良好的查询建议,以获得更好的用户体验。
2021-12-29 cs.IR
The Powerful Model Adpredictor for Search Engine Switching Detection Challenge
2013年WSCD研讨会的切换检测挑战赛的目的是预测用户的搜索引擎切换行为,给出了搜索会话和日志的记录。我们的解决方案采用了强大的预测模型Adpredictor,并利用特征工程的方法。我们成功地将点击率(CTR)预测模型Adpredicitor应用到我们的解决方案框架中,有效特征的发现和不同切换类型的多重分类使我们的模型优于许多竞争对手。我们在私人排行榜上获得了0.84255的AUC分数,在所有竞争对手中排名第五。
2013-03-09 cs.IR
Using Exclusive Web Crawlers to Store Better Results in Search Engines' Database
基于爬虫的搜索引擎是Web和Internet用户最常用的搜索引擎,它涉及到Web爬虫、数据库存储、排序、索引和向用户显示。但值得注意的是,由于网站的变化越来越大,搜索引擎遭受了很高的时间和传输成本,这些成本消耗在搜索时调查数据库中每个页面的存在,更新数据库,甚至在任何搜索操作中调查其存在。“Exclusive Web Crawler”提出了抓取特征、链接、媒体和其他元素的指导方针,并将抓取结果存储在其网络数据库中的某个表中。通过这样做,搜索引擎将每个站点的表存储在其数据库中,并在其上实现其排名结果。因此,确保了每个表中数据的准确性(以及它的最新性),并且在搜索结果中不显示404结果,因为事实上,该数据爬虫程序抓取网站管理员输入的数据,并且数据库存储他想要显示的任何内容。
2013-05-13 cs.IR
Evaluating the retrieval effectiveness of Web search engines using a representative query sample
搜索引擎检索有效性研究通常是小规模的,仅使用有限的查询样本。此外,查询由研究人员选择。我们从德国一家主要的搜索引擎中随机抽取了1,000个信息查询和1,000个导航查询,并根据这个样本比较了谷歌和必应的结果,从而解决了这些问题。陪审员是通过众包找到的,数据是使用专门的软件,相关性评估工具(RAT)收集的。我们发现,虽然Google在这两种查询类型上都优于Bing,但信息查询的性能差异相当小。然而,对于导航查询,Google在95.3%的情况下找到了正确答案,而Bing只找到了76.6%的正确答案。我们的结论是,搜索引擎性能的导航查询是非常重要的,因为在这种情况下,用户可以清楚地识别查询,返回正确的结果。因此,这种查询类型的性能可能有助于解释用户对搜索引擎的满意度。
2014-05-09 cs.IR
On the Feasibility and Implications of Self-Contained Search Engines in the Browser
现代浏览器中的JavaScript引擎能够运行复杂的多玩家游戏,渲染令人印象深刻的3D场景,并支持复杂的交互式可视化。这种处理能力能被用于信息检索吗?本文探讨了构建一个JavaScript搜索引擎的可行性,该搜索引擎在浏览器的客户端上完全自包含地运行-这包括构建倒排索引、收集用于评分的术语统计信息以及执行查询评估。该设计利用了IndexDB API,该API由Google Chrome浏览器中的LevelDB键值存储实现。实验表明,尽管JavaScript原型的性能远远低于开源Lucene搜索引擎,但它对交互式应用程序的响应是足够的。这种可行性演示为跨多个平台的离线和私有搜索以及混合分离执行架构中的有趣应用打开了大门,客户端和服务器可以通过该架构协作执行查询评估。一个可能的未来场景是在线搜索市场的兴起,其中商业搜索引擎公司和个人用户作为理性的经济行为者参与其中,基于可定制的实用程序配置文件来平衡隐私、资源使用、延迟和其他因素。
2014-10-16 cs.IR
Data Management Challenges for Internet-scale 3D Search Engines
本文介绍了最重要的数据相关的挑战,涉及建立互联网规模的三维搜索引擎。讨论集中在该领域最紧迫的数据管理问题上,包括模型获取、对多种文件格式的支持、资产版本控制、数据完整性错误、数据生命周期、知识产权以及Web抓取的合法性。本文还讨论了许多属于可信计算范畴的问题,包括隐私、安全、不适当的内容以及资产的复制/重新混合。本文的目的是提供这些一般性问题的概述,说明了从互联网上最大的业务搜索引擎的经验数据。虽然已经发表了大量的作品在3D信息检索,本文是第一次讨论现实世界中出现的挑战,在大规模建设实用的搜索引擎。
2022-12-26 cs.IR
A Synonym Based Approach of Data Mining in Search Engine Optimization
在当今互联网信息高速增长的时代,使得用户转向搜索引擎作为传统媒体的替代品。这使得通过数十亿个网页对特定信息进行排序并显示相关数据使得搜索引擎的任务变得困难。对此的补救措施是SEO,即以这种方式优化网站,它将根据排名显示相关网页。这是使搜索引擎优化在网络世界中占据突出地位的主要原因。本文提出了一种基于同义词的数据采掘方法,使提高网站排名的任务更加容易的方式和用户将得到他们的查询答案很容易通过任何搜索引擎在市场上。
2014-07-04 cs.IR
Ordinary Search Engine Users assessing Difficulty, Effort, and Outcome for Simple and Complex Search Tasks
搜索引擎是在网络上查找信息的首选工具。他们正在成为回答我们任何搜索需求的共同助手。我们使用它们来执行简单的查找任务,也可以执行相当耗时和更复杂的搜索任务。然而,我们并不太了解用户在执行这些任务时的性能-特别是对于普通用户来说。本研究的目的是更深入地了解网络用户是否管理,以评估难度,时间的努力,查询的努力,和搜索任务的任务结果,如果他们的判断性能与任务的复杂性。我们的研究是在56名具有广泛人口背景的人中进行的。他们在实验室环境中用商业网络搜索引擎进行了一组12个搜索任务。结果证实,这是正常的Web用户很难判断的难度和努力,进行复杂的搜索任务。对简单任务的判断比对复杂任务的判断更可靠。任务复杂度是衡量性能的一个指标。
2012-06-12 cs.IR
A Theoretical and Empirical Evaluation of Software Component Search Engines, Semantic Search Engines and Google Search Engine in the Context of COTS-Based Development
基于COTS的开发是一种构件重用方法,有望降低成本和风险,并确保更高的质量。COTS组件在Web上的日益增长的可用性使实现这些目标的可能性具体化。在这众多的,一个经常性的问题是识别的COTS组件,最好地满足用户的需求。找到一个合适的COTS组件意味着在一个广泛的搜索空间内对组件的不同描述进行搜索。因此,需要使用搜索引擎来更有效地识别COTS组件。在本文中,我们调查,理论和经验,COTS组件搜索性能的八个软件组件搜索引擎,九个语义搜索引擎和传统的搜索引擎(谷歌)。我们的实证评估进行精度和归一化召回。我们为评估的搜索引擎定义了十个查询。这些查询被仔细选择,以评估每个搜索引擎处理COTS组件识别的能力。
2012-04-10 cs.IR cs.SE
A Domain Specific Ontology Based Semantic Web Search Engine
自20世纪90年代出现以来,万维网(WWW)迅速发展成为一个巨大的全球信息矿,并且每天都在增长。Web上存在大量的资源,因此提出了一个严重的问题,准确的搜索。这主要是因为今天的Web是一个人类可读的Web,其中的信息不能被机器轻松处理。高度复杂的,高效的基于关键字的搜索引擎已经发展到今天还没有能够弥合这一差距。因此,提出了语义网的概念,这是由蒂姆·伯纳斯-李设想的机器可解释信息的网络,使机器可处理的形式来表达信息。基于语义Web技术,本文介绍了一个语义Web搜索引擎的设计方法和开发过程,该搜索引擎为特定领域的搜索提供准确的搜索结果。这个搜索引擎是为一个农业网站开发的,该网站提供有关西孟加拉邦的农业信息。
2011-02-03 cs.IR
Semantic Vector Encoding and Similarity Search Using Fulltext Search Engines
向量表示和向量空间建模(VSM)在现代机器学习中起着核心作用。我们提出了一种新的方法来“向量相似性搜索”的密集语义表示的单词和文档,可以部署在传统的基于反向索引的全文引擎,利用其鲁棒性,稳定性,可扩展性和无处不在。我们表明,这种方法允许索引和查询密集向量的文本域。这为实现重大效率提升以及更简单的部署、扩展和监控开辟了令人兴奋的途径。最终的结果是一个快速和可扩展的向量数据库,在向量搜索性能和质量之间进行了可调的权衡,并得到了Elasticsearch等标准全文引擎的支持。我们经验证明其查询性能和质量,通过应用此解决方案的语义搜索任务在整个英文维基百科的密集矢量表示。
2017-06-03 cs.IR
Search Space Engine Optimize Search Using FCC_STF Algorithm in Fuzzy Co-Clustering
模糊联合聚类算法可以通过处理两个主要问题来改进:第一是离群点问题,第二是维数灾难问题,通过搜索引擎在一组网页帧中有效地执行页面置换算法,如FIFO、LRU或优先级算法,可以减少离群点问题。优先级为零的网页(离群值)可以在单独的帧槽中表示。而对搜索引擎获取的网页进行FCC_STF算法,首先减少离群点问题,可以改善维数灾难问题。根据所用模糊化器的不同,比较了FCCM算法和FUZZY CO-DOK算法与FCC_STF算法的优缺点。FCC_STF算法将模糊化器融合为一个实体,通过对(A1,B1,Vcj,A2,B2)值的实验结果表明,该算法对局部极大值不敏感,通过绘制J(fcc_stf)和Vcj之间的关系图,可以获得网页的二维最优搜索空间。
2014-07-24 cs.IR
The Snippets Taxonomy in Web Search Engines
在本文中,作者分析了50 000个关键字的结果,从本地化的波兰谷歌搜索引擎收集。我们提出了一个分类法,在搜索结果中显示为常规,丰富,新闻,特色和实体类型的片段片段。我们观察到相同关键字中重叠片段之间的一些相关性。结果表明,商业关键字不会导致结果具有丰富的或实体类型的片段,而关键字与片段的结果不是商业性质。我们发现,相当数量的片段是学术文章和丰富的卡片旋转木马。我们总结了我们的研究结果的结论和研究的局限性。
2019-10-23 cs.IR
Driving the Herd: Search Engines as Content Influencers
在竞争激烈的搜索环境中,如Web,许多文档的作者(出版商)选择让他们的文档在某些查询中排名靠前。为此,他们修改文档-特别是它们的内容-以响应诱导的排名。因此,搜索引擎通过其排名决定影响语料库中的内容。我们提出了第一个研究的能力,搜索引擎驱动预定义的,有针对性的,内容的效果,在语料库中使用简单的技术。第一个是基于羊群效应-一个著名的结果,从经济学文献-第二个是基于偏置的相关性排名功能。我们研究的内容影响类型要么是主题的,要么涉及特定的文档属性-长度和查询词的包含。对我们在受激励的出版商之间组织的排名竞争的分析表明,我们所针对的内容效果类型确实可以通过应用我们建议的技术来实现。这些发现对于搜索引擎在语料库形成中的作用具有重要意义。
2021-10-21 cs.IR
Effect of Query Formation on Web Search Engine Results
搜索引擎中的查询一般基于自然语言。查询可以用多种方式表达而不改变其含义,因为它取决于人类在特定时刻的思考。查询的目的是获得最相关的结果,而不考虑查询是如何表达的。在本文中,我们已经研究了搜索引擎的结果覆盖率和前几个结果的相似性的变化时,查询是在两个语义相同,但在不同的格式输入。已通过Google搜索引擎进行搜索。已经选择了15对查询用于研究。t检验已被用于此目的,并已检查的基础上找到的文件总数,前五个和前十个文件的相似性,在两种不同格式的查询输入的结果。已经发现,总覆盖率是相同的,但前几个结果是显著不同的。
2013-03-07 cs.IR
Mathematical Model of Semantic Look - An Efficient Context Driven Search Engine
万维网(WWW)是一个巨大的网页温室。搜索引擎是为用户查询获取网页的关键应用。在当前一代Web架构中,搜索引擎将用户提供的关键字视为孤立的关键字,而不考虑用户查询的上下文。这会导致向用户显示许多不相关的页面或链接。语义Web是在现有Web的基础上,通过修改框架,以更精确的结果集作为对用户查询的响应。当前的网页需要通过寻找相关的Meta数据添加到它们中的每一个被注释,使它们成为有用的语义Web搜索引擎。Semantic Look通过处理记录在网页中的语义信息来探索用户查询的上下文。它与现有的算法称为OntoLook相比,它表明,语义查找是一个更好的优化搜索引擎的速度是OntoLook的两倍以上。
2014-02-28 cs.IR
Auditing Search Engines for Differential Satisfaction Across Demographics
许多在线服务,如搜索引擎、社交媒体平台和数字市场,都被宣传为可供任何用户使用,而不管他们的年龄、性别或其他人口统计因素。然而,人们越来越担心,这些服务可能系统地对某些用户群体服务不足。在本文中,我们提出了一个框架,内部审计等服务的差异,在用户满意度的人口群体,使用搜索引擎作为案例研究。我们首先解释了天真地比较通常用于评估搜索引擎的行为指标的陷阱。然后,我们提出了三种方法来衡量潜在的差异,用户满意度从观察到的评价指标的差异。为了开发这些方法,我们借鉴了因果推理文献和多层次建模文献的思想。我们的框架广泛适用于其他在线服务,并提供了一般的洞察力来解释他们的评估指标。
2017-05-24 cs.IR
Dynamics in Search Engine Query Suggestions for European Politicians
Technical University of Munich(慕尼黑工业大学);TH Köln (University of Applied Sciences)(科隆应用科技大学);University of Cologne(科隆大学)
研究分析了欧洲政治人物搜索引擎查询建议的稳定性,发现出生国、超国家角色及性别影响查询建议的稳定性,政治领袖和男性政治人物的建议更相似。
2026-01-08 cs.IR
Intelligent Agent Based Semantic Web in Cloud Computing Environment
考虑到今天的Web场景,有一个有效的和有意义的搜索在Web上,这是由语义Web提供的需求。现有的搜索引擎是基于关键字的。它们在回答来自用户的智能查询时是脆弱的,因为它们的结果依赖于网页中的信息。而语义搜索引擎提供了高效和相关的结果,因为语义网是当前网络的扩展,其中信息被赋予了定义明确的含义。MetaCrawler是一个搜索工具,它使用几个现有的搜索引擎,并通过使用自己的页面排名算法提供组合结果。本文提出了一种名为SemanTeli的元语义搜索引擎,它可以在云中工作。SemanTelli在智能代理的帮助下从不同的语义搜索引擎(如Hakia、DuckDuckGo、SenseBot)获取结果,这些智能代理消除了现有搜索引擎的局限性。
2013-05-04 cs.IR
Resource Selection for Federated Search on the Web
长期以来,一直没有一个反映真实网络环境的联邦搜索公开数据集,这使得研究人员很难测试他们的联邦搜索算法在网络环境中的有效性。我们提出了几个实验和分析资源选择在网络上使用最近发布的测试集合,包含从100多个真正的搜索引擎的结果,从大型通用网络搜索引擎,如谷歌,必应和雅虎小型特定领域的引擎。首先,我们尝试使用基于查询的采样来估计网络上不合作的搜索引擎的大小,并提出了一种使用CNOW Web09数据集的新方法。我们发现规模估计是非常有效的资源选择。第二,我们表明,一个优化的联邦搜索系统的基础上较小的网络搜索引擎可以替代系统使用大型网络搜索引擎。第三,我们提供了几个流行的资源选择方法的实证比较,发现这些方法是不容易适合在网络上的资源选择。挑战包括稀疏的资源描述和集合的大小极度倾斜。
2016-09-15 cs.IR