1、隨著計(jì)算機(jī)系統(tǒng)性能的提高和網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步，萬(wàn)維網(wǎng)成為全球最大的信息資源庫(kù)，如何為如此龐大的信息資源提供高效的導(dǎo)航服務(wù)，幫助用戶在海量的數(shù)據(jù)中快速找到需要的信息是搜索引擎亟待解決的問(wèn)題。用戶通常只關(guān)心搜索引擎返回的排在前面的結(jié)果，因此對(duì)搜索引擎索引的文檔按照與用戶查詢的相關(guān)程度進(jìn)行排序，將相關(guān)度高的文檔排在前面，即本文研究的搜索引擎的相關(guān)性排序，成為當(dāng)前研究的重點(diǎn)和熱點(diǎn)。
　　 本文的主要研究工作可歸納為以下幾點(diǎn)：
　　

2、 (1)研究了文本搜索引擎的相關(guān)性排序模型，包括布爾模型，向量空間模型，概率模型，超鏈接模型，自學(xué)習(xí)排序模型。其中自學(xué)習(xí)排序模型將機(jī)器學(xué)習(xí)方法運(yùn)用于搜索引擎的相關(guān)性排序問(wèn)題，解決了以往模型的許多不足之處。
　　 (2)為自學(xué)習(xí)排序模型提出一種構(gòu)造訓(xùn)練集的方法。自學(xué)習(xí)排序是一種有監(jiān)督的機(jī)器學(xué)習(xí)方法，模型的性能很大程度上依賴訓(xùn)練集。本文提出一種同時(shí)考慮查詢的難度、密度、多樣性的貪心算法，從海量的查詢中選擇有信息量的查詢進(jìn)行標(biāo)注。實(shí)

3、驗(yàn)表明本文提出的方法能構(gòu)造一個(gè)規(guī)模較小且有效的訓(xùn)練集。
　　 (3)研究了圖像重排序算法。現(xiàn)今的圖像搜索引擎主要利用圖像周圍的文本信息進(jìn)行排序，沒(méi)有考慮圖像視覺(jué)信息。圖像重排序是在文本搜索結(jié)果的基礎(chǔ)上，通過(guò)挖掘圖像視覺(jué)特征的內(nèi)在關(guān)系，對(duì)原始搜索結(jié)果進(jìn)行重新排序，使新的序列更能滿足用戶需求。基于分類、基于聚類和基于圖理論是圖像重排序的三類主要方法。
　　 (4)提出一種與查詢相關(guān)的圖像相似性的度量方法。在圖像重排序中如何度