基于Agent的智能化元搜索引擎模型及关键技术

Under the circumstances of Big Data, traditional search engines have been exposed more and more flaws, such as the lower information coverage, the poor ability of personalization and intelligence. Therefore, the research on a new type of intelligent model for meta-search engine and related key techniques is developed in this project in order to provide more convenient and smart search experience for users. The research includes mainly four parts: i) the architecture of the intelligent meta-search engine to support a personalized mode of information filtering, an inference to group user's interests and a result recommendation, and an efficient synthesization of searched results; ii) four agent models which respectively has the ability to analyze and learn user's interests actively, modify scheduling algorithms for member search engines adaptively, analyze the search result deeply and mine the single user's intention actively; iii) the multi-agent cooperative mechanism which can detect and study the change of member search engines, and recommend searched results intelligently; iv) a prototype system and related tools to check the models, mechanisms and algorithms above. Four major contributions are made. Firstly, a meta-search engine model achieving personalized searching, intelligent recommendation and deep data analysis is established. Second, a method of interest mining with the combination of group and single user's intention is given. Thirdly, the multi-agent cooperative mechanism supporting active learning of group user's interests is designed based on the CIB (Common Interest Blackboard) style. Finally, a state change analysis for member search engines is put forward using evaluation matrix.

针对传统搜索引擎在"大数据"环境下信息覆盖率低，个性化、智能化服务水平不足的现状，研究基于Agent的智能化元搜索引擎模型及关键技术，为用户提供更便捷更智能的搜索体验。主要研究：（1）支持个性化模式信息过滤、群组兴趣推理与结果推荐、检索结果高效合成的智能化元搜索引擎体系结构。（2）支持兴趣主动分析与学习、成员搜索引擎调度策略自适应更新、检索结果数据深度分析、个体用户意图主动挖掘的四类Agent模型。（3）支持成员搜索引擎状态变化感知与学习、检索结果智能推荐的多Agent协作机制。（4）可验证以上模型、机制及算法的原型系统及工具。创新贡献：建立一种具有个性化检索、智能推荐和数据深度分析能力的元搜索引擎模型；提出了融合用户群体兴趣及个体意图的兴趣挖掘方法；设计了基于公共兴趣黑板的可支持群组用户兴趣主动学习的多Agent协作推荐策略；提出基于评价矩阵的成员搜索引擎状态变化分析方法。

针对传统搜索引擎在“大数据”环境下信息覆盖率低，个性化、智能化服务水平不足的现状，如何为用户提供准确、智能的信息检索服务，是一个具有较高应用价值的研究问题。本项目将Agent技术用于元搜索系统中，针对元搜索系统运行过程中各阶段数据特征，研究了基于 Agent 的智能化元搜索引擎模型及关键技术，并开发了相关系统软件，完成了项目预定目标。本项目研究在如下方面展开：1）提出智能化元搜索引擎框架模型和过程模型。2）构建元搜索系统多Agent组织结构及功能Agent模型。3）设计用户个性化、搜索引擎动态调度等元搜索系统智能化关键机制。4）研究并改进符合元搜索应用场景的多Agent协作策略。5）基于智能化元搜索引擎系统及学术元搜索引擎系统软件工具，验证上述模型及算法。本项目的突出贡献在于：1）面向元搜索系统中数据共享与智能协作需求，建立了基于Agent的智能化元搜索引擎框架模型与过程模型，实现了对智能化元搜索系统“领域动态切换、协作智能调整、知识全面共享”的支持。2）针对元搜索系统运行阶段中对智能性及个性化的需求，分别研究并实现了“基于用户概貌模型的元搜索引擎个性化机制”等智能化元搜索关键技术。3）提出了一种符合智能化元搜索的多Agent协作策略，解决了用户群组兴趣挖掘、多成员搜索引擎动态调度等运行场景下，多Agent间动态协作与协商问题。相关研究成果在国际期刊和会议上发表论文19篇，包括信息检索与人工智能领SCI检索期刊以及《中国科学》、《软件学报》等国内知名期刊在内的4篇期刊论文，以及包括SANER（CCF B 类）等计算机领域国际主流会议在内的15篇会议论文；合作出版专著1部；申请国家发明专利5项（授权2项，公开3项）；软件著作权5项（均已授权）；培养研究生19名。项目组围绕研究计划展开研究，在计划时间内圆满完成了预定研究内容，解答了关键问题，取得了多个创新突破。本项目研究工作为利用Agent 技术实现智能化信息检索服务提供支持，具有较高的理论意义和应用价值。