BC/NW 2012; №1 (20): 6.2

Исследование и разработка методов интеллектуального поиска в информационно поисковых системах

Зо Лин Кхаинг, П.Р. Варшавский

На данный момент информационно поисковые системы (ИПС) стали основным поисковым инструментом, используемым при поиске во всемирной сети Интернет для оперативного доступа к необходимой информации [1]. Однако поиск в традиционных ИПС (поисковых машинах) Интернет не является эффективным, так как по запросу пользователя зачастую выдается большее количество нерелевантных документов. Таким образом, понятие релевантности является определяющим, когда речь идет о качестве поиска информации в ИПС.

В настоящее время наблюдается устойчивая тенденция к интеллектуализации информационных систем и, в частности, ИПС, а также к постепенному переходу от концепции общезначимой релевантности к индивидуальной релевантности. Именно таким путем идут сегодня крупные компании на рынке поисковых систем Интернет (Google, Yandex и др.), активно внедряющие различные сервисы и инструменты персонализации и интеллектуализации поиска. Указанные механизмы поиска направлены на устранение основных недостатков традиционного контекстного поиска по ключевым словам.

Под персонализацией поиска понимается предоставление пользователю индивидуальных, персонализированных результатов в зависимости от его информационных потребностей, приоритетов, интересов, географического положения, социального положения, возраста и других особенностей.

Для обеспечения персонализации и интеллектуализации поиска в работе предлагается использовать методы искусственного интеллекта и, в частности, онтологический и мультиагентный подход [2, 3], а также методы правдоподобных рассуждений на основе прецедентов (CBR – Case-BasedReasoning) [4]. Предлагается использование мультиагентной среды, основными компонентами которой выступают взаимодействующие между собой мобильные (интеллектуальные) агенты [3]. Агенты могут функционировать как на серверной стороне ИПС, выполняя традиционные функции поисковой машины Интернет, так и являться клиентским прикладным программным обеспечением, которое может встраиваться или дополнять браузер пользователя. Такие агенты позволяют реализовать интеллектуальный поиск и обеспечивают многосторонний мониторинг предпочтений пользователя [1].Взаимодействие между агентами в мультиагентной среде планируется реализовать с использованием онтологического подхода [2], а накопление информации о запросах и предпочтениях пользователя предлагается выполнять в соответствии с CBR-технологией [4]. Собранная агентами информация будет помещаться в некое хранилище (библиотеку прецедентов) и подвергаться математической и статистической обработке.

Существуют три большие группы методов, позволяющие оценить предпочтения аудитории: коллаборативная фильтрация, которая представляет собой метод, дающий автоматические прогнозы (фильтрацию) относительно интересов пользователя по собранной информации о предпочтениях множества пользователей [5]; эвристическое моделирование, которое заключается в том, что создается математическая модель сложной системы на основании гипотезы о ее структуре и функциях; поведенческий таргетинг представляет собой технологию мониторинга за действиями и предпочтениями пользователя, как правило, без участия пользователя, что позволяет определить интерес потребителя к той или иной информации или услуге. По итогам анализа формируется профиль пользователя, на основе которого ему выдается персонализированная информация, соответствующая его информационным потребностям.

На пути создания персонализированных интеллектуальных ИПС стоит много нерешенных проблем, но разработка подобных систем весьма актуальна, так как они имеют целый ряд преимуществ, но самое главное в том, что такие системы приближает нас к решению проблемы выбора релевантной информации. Необходимо подчеркнуть, что интеллектуальные и персонализированные механизмы поиска должны применяться комплексно вместе с традиционными поисковыми средствами, тогда их эффективность возрастает многократно.

В работе предложена базовая (упрощенная) мультиагентная архитектура интеллектуальной ИПС и в среде MS VisualStudio 2010 на языке C# выполнена разработка ее основных программных модулей, реализующих как традиционные, так и интеллектуальные механизмы поиска.

Литература

1. Ландэ, Д. Поиск знаний в Internet / Д. Ландэ – СПБ: Диалектика-Вильямс, 2005. – 272 с.

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем: Учебник для вузов. – СПБ: Питер, 2001. – 384 с.

3. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям:
философия, психология, информатика. – М.: Эдиториал УРСС, 2002. – 352 с.

4. Варшавский П.Р., Еремеев А.П. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений // РАН, Искусственный интеллект и принятие решений. 2009. №2. – с. 45-57.

5. Фонд «Прагматика Культуры» – [электронный ресурс]: исследования в области коллаборативной фильтрации – Режим доступа: http://artpragmatica.ru/rs/, свободный.