搜索引擎性能综合评价的联系数学模型及其应用
- 格式：pdf
- 大小：140.23 KB
- 文档页数：4
搜索引擎性能综合评价的联系数学模型及其应用*汪新凡1,2(1.湖南工业大学信息与计算科学系,湖南株洲412008; 2.湖南大学数学与计量经济学院,湖南长沙410082)摘要:搜索引擎性能的评价一般采用定性或定量的方法,在给出搜索引擎性能评价指标体系的基础上,建立了一种基于联系数学的搜索引擎性能综合评价模型。
实例应用表明,该模型较模糊数学综合评价模型更具有客观合理性,且应用方便。
关键词:搜索引擎;集对分析;联系数;系统态势;综合评价中图分类号:O232文献标识码:A文章编号:1008-2611(2006)02-0059-04信息传播的速度跨数量级提升,信息资源的数量成几何级数增长,这使得用户要在网络上快速、有效地获得真正有用的信息越来越难。
为此,人们开发了搜索引擎,它是网上信息搜索工具的通称。
搜索引擎将超文本技术、网络技术和多媒体技术融为一体,把各种相关的信息按一定规则组织起来,并提供一定的查询方式,提供用户所需的信息。
如今搜索引擎在网上占有越来越重要的地位,发挥愈来愈大的作用。
建立搜索引擎性能综合评价数学模型,系统客观地对搜索引擎进行综合评价,具有较大的现实意义和应用前景。
文献[1]运用模糊综合评价方法,文献[2]运用多目标决策中的优劣系数法对搜索引擎性能进行综合评价,各有特点。
本文建立了一种基于联系数学的搜索引擎性能综合评价模型,并进行实例分析。
1搜索引擎性能综合评价指标体系在综合国内外研究的基础上,我们认为要科学、合理、有效地评价搜索引擎性能,可以建立以下搜索引擎性能评价指标体系[1-4],详见表1。
表1搜索引擎性能综合评价指标体系表一级指标二级指标细类索引库I1索引标引数量I11索引数据库的容量标引文件种类I12FTP文件;News group文件;Usenet文件等标引深度I13全面/部分索引;考虑超文本的不同标记所表示的不同含义;收集页面中的超链接更新频率I14更新频率快/慢检索功能I2基本检索I21布尔检索;截词检索;邻近词检索;字段检索;区分大小写(英语)高级检索I22加权检索;模糊检索;相关信息反馈检索;概念检索;自然语言检索;目录式浏览检索;多内码处理(中文);多语种检索;多媒体检索检索效果I3查全率I31查全率是指所检出的相关文献数量与文献库中所有相关文献总量之比查准率I32查准率是指所检出的相关文献数量与所有检出的文献总量之比检索时间I33从检索开始到显示检索结果的时间亲和度I4检索中与用户的交互情况I41/个性化0查询界面;检索帮助信息;相关性排列;格式转换;交叉语言检索与翻译智能信息技术I42信息过滤;信息挖掘;信息推送;学习功能2联系数学简介1989年,我国学者赵克勤首次提出了集对分析(set pair analysis,简记为SPA)。
集对分析是一种研究不确定性的数学方法,其核心思想是把对客观事物的确定性测度与不确定性测度作为一个系统来进行系统第20卷第2期2006年3月株洲工学院学报Journal of Zhuzhou Insti tute of T echnologyVol.20No.2Mar.2006*收稿日期:2005-09-05作者简介:汪新凡(1966-),男,湖南安化人,湖南工业大学副教授,主要从事不确定多属性决策方法及应用研究.处理,主要数学工具是联系度;[5]1996年,赵克勤等又把集对分析中的联系度推广为联系数,[6]宣告了联系数学的诞生。
据文献[5]和[6],联系数L是联系数学中的一个重要概念。
联系数的一般形式为: L=a+bi+cj,(1)其中,a称为同一度分量,b称为差异度分量(不确定度分量),c称为对立度分量,a,b,c通称为联系分量,a,b,c I[0,1]的实数,且满足归一化条件a+b+c=1,i为差异度系数,在[-1,1]区间视不同情况取值(有时i仅起标记的作用),j为对立度系数,规定其恒取值-1(有时j也仅起标记的作用)。
由于联系数中i的取值不确定,故在确定a, b,c之后,整个联系数仍因i的不确定取值而呈现既确定又不确定的特征,包含着丰富的系统结构信息,便于我们从结构和层次的角度进行系统分析,把握事物的本质。
根据不同的研究对象,将式(1)作不同层次的展开,得到多元联系数,如本文中用到的五元联系数:L=a+bi+cj+dk+el,(2)其中a,b,c,d,e I[0,1]的实数,且满足归一化条件a+b+c+d+e=1,i I[0,1],j I[0,0]为中性标记,不作j=0解,k I[-1,0],l=-1,等等。
联系数不仅可以全面、系统地刻划所论两个事物集(称之为集对)的同一性联系、差异性联系和对立性联系,且能同时刻划所论两个事物集联系的系统态势。
由三元联系数、四元联系数和五元联系数所刻划的集对势及其排序参见文献[5,7,8],本文从略。
基于联系数学的综合评价方法用系统的观点和系统的方法来评价对象系统,它充分利用对象系统处于不同层次上的指标值所提供的系统信息作综合处理,结论客观,应用方便,有关文献请参见[5,7-12]。
3搜索引擎性能综合评价模型设评价对象空间X={搜索引擎x q(q=1,2,,, Q)},属性空间F={性能状况}(可以是搜索引擎的性能状况,也可以是搜索引擎的索引库、检索功能、检索效果和亲和度方面的性能状况),评价集C= {C1,C2,,,C n},其中C1,C2,,,C n构成属性空间F 的一个有序分割类,且C1>C2>,>C n。
现在的问题是:判断各I r(1[r[m)属于哪一个评价类?判断x q属于哪一个评价类?如果需要,如何就性能状况对X中每个搜索引擎进行排序?各搜索引擎应在哪些方面改进性能?下面进行讨论。
3.1确定二级指标的联系分量矩阵、联系数及其集对势搜索引擎x q的二级指标I rp(1[r[m,1[p[ Pr )的联系分量矩阵为:R qr=L qr11L qr12,L qr1nL qr21L qr22,L qr2ns s s sL qrPr1L qrPr2,L qrPrn,(3)其中L qrpl I[0,1](1[q[Q,1[r[m,1[p[P r,1[l[n),是搜索引擎x q的评价指标I rp相对C l等级的联系分量。
R qr的确定在综合评判中是一项关键性的工作,一般可采用实验统计的方法,也可使用专家评判的方法。
如使用专家评判的方法:设共有s个专家参与评判,其中有t(0[t[s)个专家对搜索引擎x q的评价指标I rp给出C l等级,则联系分量L qrpl=t/s。
按照联系分量的性质,L qrpl要满足:E nl=1L qrpl=1,(1[q[Q,1[r[m,1[p[P r)。
(4)I rp的n元联系数为:L(I rp)=L qrp1+L qrp2i1+L qrp3i2+,+L qrp(n-1)i n-2+L qrpn j,(5)然后确定集对势,通过查看各二级指标联系数的有机构成及其集对势,可确定其在哪些方面应加以改进。
3.2确定一级指标的联系数和联系分量矩阵搜索引擎x q的一级指标I r(1[r[m)的n元联系数为:L(I r)=W r R qr E=L qr1+L qr2i1+L qr3i2+,+L qrn j;(6)搜索引擎x q的一级指标I r(1[r[m)的联系分量矩阵为:R q=(L qrl)m@n,(1[r[m,1[l[n);(7)其中W r=(w r1,w r2,,,w r Pr),w rp为指标I rp的权,它可以由专家根据具体问题用一定的数学处理方法确定,w rp\0,EPrp=1w rp=1;L qrl=EPrp=1w rp L qrpl(1[l[n)为搜索引擎x q的一级指标I r相对C l等级的联系分量,显然L qrl I[0,1],Enl=1L qrl=1;E=(1,i1,i2,,,i n-2,j)T为联系分量系数矩阵。
3.3确定综合指标的联系数搜索引擎x q的综合指标的n元联系数为:L(x q)=W R q E=L q1+L q2i1+L q3i2+,+L qn j;(8)其中W=(w1,w2,,,w m),w r为指标I r的权,它可由专家根据具体问题用一定的数学处理方法确定,w r\0,Emr=1w r=1;L ql=Emr=1w r L qrl(1[l[n)为搜索引擎x q的综合指标相对C l等级的联系分量,E=(1,i1,i2,,,i n-2,j)T为联系分量系数矩阵。
3.4判断与分析1)确定联系数中i1,i2,,,i n-2,j的取值及确定各等级的联系数值范围。
这里一般采用/均分原则0或/60分及格原则0。
然后由(6)式计算,得到各一级指标的综合评价联系数值,并确定等级;由(8)式计算得到总指标的综合评价联系数值、确定等级,并进行排序和择优。
60株洲工学院学报2006年2)如有必要,作不确定数i1,i2,,,i n-2,j 的取值分析[5,7,13],以检验上述结论是否稳定和可靠。
4实例应用设评价对象x为某搜索引擎,评价集C={C1, C2,,,C5},其中C1={很好},C2={较好},C3= {中},C4={较差},C5={差}。
评价指标体系见表1。
由层次分析法(AHP法)[1,14]得到4个一级指标的权重为:W=(0.27,0.15,0.49,0.09);索引库、检索功能、检索效果和亲和度的各二级指标的权重分别为: W1=(0.26,0.14,0.14,0.46),W2=(0.75, 0.25),W3=(0.30,0.54,0.16),W4=(0.34,0.66)。
现在对某搜索引擎的使用性能进行综合评价,采用统计实验和专家评分的方法,得到I r到C的单因素评价矩阵[1]分别为:R1=0.080.190.430.210.09 0.070.090.110.410.32 0.110.150.240.330.17 0.470.220.190.120.00,R2=[0.210.520.090.150.03 0.000.130.320.370.18],R3=0.170.340.280.130.08 0.220.430.280.070.00 0.530.320.120.020.01,R4=[0.130.490.260.050.07 0.040.090.250.340.28],现在的问题是:判断该搜索引擎的索引库、检索功能、检索效果和亲和度各属于哪一个评价类?判断该搜索引擎属于哪一个评价类?查看该搜索引擎在评价指标上的联系数的有机构成及其集对势,确定其在哪些方面应改进性能。
步骤一确定二级指标I r p(1[r[4,1[p[ P r)的联系分量,并表示成五元联系数,确定其集对势,见表2。
表2二级指标I rp的联系数和集对势[8]评价指标二级指标I rp的五元联系数L(Irp)集对势I110.08+0.19i+0.43j+0.21k+0.09l反势/第235级I120.07+0.09i+0.11j+0.41k+0.32l反势/第241级I130.11+0.15i+0.24j+0.33k+0.17l反势/第241级I140.47+0.22i+0.19j+0.12k+0.00l同势/第001级I210.21+0.52i+0.09j+0.15k+0.03l同势/第061级I220.00+0.13i+0.32j+0.37k+0.18l反势/第241级I310.17+0.34i+0.28j+0.13k+0.08l同势/第055级I320.22+0.43i+0.28j+0.07k+0.00l同势/第055级I330.53+0.32i+0.12j+0.02k+0.01l同势/第001级I410.13+0.49i+0.26j+0.05k+0.07l同势/第057级I420.04+0.09i+0.25j+0.34k+0.28l反势/第241级通过查看该搜索引擎的索引库、检索功能、检索效果和亲和度4个指标,在其所属二级指标上的联系数的有机构成及其集对势,知其在I11)))索引标引数量处于反势区第235级;在I12)))标引文件种类、I13)))标引深度、I22)))高级检索、I42)))智能信息技术4个方面均处于反势区第241级,该搜索引擎应在这几个方面改进性能。
