2023年6月29日发(作者：)

龙源期刊网

基于神经网络的搜索引擎应用

作者：崔子豪

来源：《新教育时代》2014年第10期

摘 要：21世纪，随着网络的加速，网络信息资源就像爆炸式一样在增长。面对这些无序、及其庞大的数据，人们就像"大海捞针"一样，这就使搜索引擎孕育而生。在各个搜索引擎巨头之间进行着激烈的竞争，谁的搜索结果更精确决定着谁更有竞争力，更受用户的欢迎。对搜索引擎来说，每位用户不选择点击别的内容，只是简简单单通过点击一条搜索结果，向引擎实时提供有关他对搜索结果满意程度的信息。在线应用的最大优势就是，这些应用可以持续收到来自用户行为的反馈信息。我们可以利用一种方法，将用户点击查询结果的情况记录下来，然后利用这些记录改进搜索结果的次序，再呈现给用户。

关键词：搜索引擎 神经网络 自学习能力 反向传播法

一、绪论

1.本课题研究的背景

搜索是人们学习生活中不可或缺的一个重要环节，它是人们获取所需信息的一个捷径。当用户用关键词查询信息的时候，搜索引擎将在数据库中查询，假如找到和用户要求内容相似度很高的网站，将基于关键词的匹配程度，它们出现的位置，信息和网页连接质量的频率，计算每个网页的相关性及排名回馈给搜索用户。信息检索是当今最热门的网络技术，基于神经网络的搜索引擎是一种信息检索的新方法。[1]

搜索引擎是按照特定的算法，加上运行计算机搜索程序搜索网络上的资源，经过一系列的组织和处理之后，向用户提供搜索功能，将用户检索的相应信息展现给用户的系统。而搜索引擎的算法决定了它的性能和易用性。好的搜索引擎如百度、谷歌，可以在用户几次查询行为之后，自动为用户选择呈现顺序，准确率也可以保持在一个很高的程度。

人工神经网络是在模拟人类的思维。信息采用分布式存储和并行协同处理。网络学习的核心在于：如果网络给出了错误的决定，通过网络自身的学习，应该做到降低下次犯同样错误的几率。神经网络是一种运算模型，是大量神经元和之间相互链接构成的。每个节点是一个输出函数，每两个节点间连接代表权重。通过总结归纳输出函数求出的值来判断是否激活神经元。并且对输入层、输出层和隐藏层的权重进行校正，这个就是自学习过程。通常是利用反向传播算法来建立模型。[2]

基于以上原因，本文构建一个人工神经网络，并向这个网络提供：查询条件中的关键词，返回给用户的搜索结果，用户的点击选择，然后再训练这个神经网络。当网络通过了许多次不