关键词： 搜索引擎排序行为   付费位置拍卖   数量上限  

摘要： 按照行业规制，中文搜索引擎企业对其付费搜索结果列表实施了位置数量上限的约束。这一约束在付费位置不定数的第二价格拍卖规则下，将对搜索引擎的排序行为产生影响。本文基于中国搜索引擎企业实践，以商品关键词检索领域的消费者层面数据为样本，构造契合消费者顺序检索习惯的实证框架，运用多层贝叶斯回归、断尾回归等分析工具，在数量上限的情形下，考察搜索引擎排序行为的匹配效应与利润效应，探究两者变化趋势是否一致及内在原因，进而对经典文献进行证实或证伪。研究发现：付费位置数量有上限时，搜索引擎排序行为的匹配效应随付费位置降低而凸型下降，且仅有最后1个付费位置的匹配效应为负值；搜索引擎排序行为的利润效应随付费位置降低而凹型下降，但仅有第1个付费位置的利润效应为正值，其他付费位置的利润效应皆为负值；两者呈现不一致性的主要原因是搜索引擎所设的拍卖底价并非理论上的最优拍卖底价，降低了搜索引擎汲取利润的能力。本文实证研究结论否定了经典文献所给出的两者一致性观点，有助于纵深推进付费位置拍卖的理论研究。

关键词： 中介平台   信号博弈   广告拍卖   广义二价机制  

摘要： 在线广告是能够解决广告商联系客户和互联网平台流量变现的有效途径。广告实时竞价中主要有三个参与者,即广告主、供给方和中介,探究三个参与者间的博弈有利于提高参与者和整个广告市场的利润,因此,本文主要研究中介平台对广告主和搜索引擎的效用的影响。 本研究讨论一个简单的广告交易。首先是在不考虑拍卖机制的情况下,提出包含一个垄断的售卖一种广告位的搜索引擎、一群购买广告位以获取利润广告主,一个垄断的只向广告主、只向搜索引擎、同时向广告主和搜索引擎售卖关于广告主是否与广告位匹配的信息中介平台的博弈问题。其次是考虑在广义二价拍卖机制下,提出包含一个垄断的售卖两种广告位的搜索引擎、两个想要购买广告位以获取利润广告主,一个垄断的只向广告主售卖关于广告主可以从每次点击中获得的价值的信息中介平台的博弈问题。 研究发现,不考虑拍卖机制的情况下,相比无中介平台的情况,当中介平台只向广告主售卖信息时对搜索引擎来说是不利的,对与广告位相匹配的广告主来说有时是有利的有时是不利的,对于与广告位不匹配的广告主来说是有利的;当中介平台只向搜索引擎售卖信息时,对搜索引擎来说是不利的,对广告主没有影响;当中介平台同时向广告主、搜索引擎售卖信息时,对搜索引擎是不利的,对与广告位相匹配的广告主来说有时是有利的有时是不利的,对于与广告位不匹配的广告主来说是有利的。在广义二价机制下,当中介平台只向广告主售卖信息时,相比于无中介平台的情况,当中介平台售卖的信息价格较小时,中介平台对高价值和低价值广告主是有利的,当中介平台售卖的信息价格较大时,中介平台的存在对于高价值和低价值广告主时而有利时而不利;中介平台的存在对搜索引擎是不利的。 目前多数研究都侧重于研究广告主和供给方之间的博弈,将中介平台纳入的研究仍有空白,本研究为中介平台提供产品的定价策略,并且有利于提高整个广告系统的效率,同时也为广告主和搜索引擎提供是否在博弈过程中从第三方获取信息优势的思路,帮助广告主和搜索引擎在博弈当中获得更多优势。

关键词： 竞价排名   搜索引擎服务提供商   商标侵权  

摘要： 竞价排名是搜索引擎服务提供商为商业用户提供的一种以价格排序的关键词检索服务。随着搜索引擎的广泛应用，围绕竞价排名服务商标侵权产生的纠纷在司法实践中时有发生。但我国法学理论界对此种侵权的性质有很大争议，法律亦没有明确规定。本文研究了我国搜索引擎竞价排名服务的发展、操作原理及其引发的法律问题，分析了搜索引擎服务提供商在竞价排名服务中的法律地位，重点研究了竞价排名模式下搜索引擎服务提供商在商标侵权中具有争议的一些问题，最后提出较为恰当的侵权责任判定方法。

关键词： 搜索引擎   Oracle问题   蜕变测试   蜕变关系   蜕变鲁棒性测试  

摘要： 搜索引擎的主要功能对搜索项进行反馈并显示相应查询结果。由于查询结果的不确定性,采用传统的软件测试技术难以判断和评估搜索引擎查询结果是否符合预期。蜕变测试通常被用来在没有预期Oracle的情况下验证软件功能的正确性,实践证明它在揭示软件故障方面具有较好的效果,因此近年来其被广泛用于各种软件的质量测试。目前研究主要集中在蜕变关系的定义,鲜少有对蜕变测试的质量进行评估,本文对搜索引擎用户行为与特征的蜕变测试进行研究,主要探索缓解搜索引擎测试和质量评估的Oracle问题。工作主要分为三部分: (1)用户行为与特征分析。本文首先对搜索引擎用户日志进行详细的分析与处理。一部分是单维度的数据描述性分析,另一部分是多维度的用户行为分析,以上数据信息有助于理解蜕变测试特性,其作为一种缓解搜索引擎Oracle问题的有效方法。 (2)搜索项语句转换的蜕变鲁棒性测试。为了评估搜索引擎测试用例的中英文转换鲁棒性,本文将原始输入项与后续输入项进行比较,提出四种基于机器翻译系统的蜕变鲁棒性关系,对原始输入进行多种类型微小改变会导致输出结果出现较大变化,使得输出结果偏离原本意图进行测试验证。 (3)研究搜索引擎蜕变关系与性能评估方法。首先从扩展搜索项范围、相似语义搜索项、衍生搜索项词汇量三个方面改进并定义搜索引擎蜕变关系模式。然后通过结合蜕变关系模式和用户的行为与特征定义四种搜索引擎蜕变关系。最后,本文还确定每一种蜕变关系的性能评估方法,并根据其性质定义不同的搜索引擎性能评估标准,通过选用三个主流的搜索引擎进行实证研究。实验表明蜕变测试可以有效地降低搜索引擎的测试难度,而且可以根据所定义的蜕变关系区分不同搜索引擎的性能,并将蜕变测试扩展到以用户为中心的软件质量评定中。

关键词： Electronic formats   Digital libraries   Computational Linguistics   Mathematical information  

摘要： The exponential growth of digital libraries and the proliferation of scholarly content in electronic formats have made data mining and information retrieval essential tools for effectively managing, organizing, and disseminating knowledge. This thesis provides a comprehensive analysis of the advancements and challenges in these fields, with a focus on mathematical information retrieval from scholarly documents, figure captioning and classification of scientific images, and searching and re-ranking techniques for largescale scholarly documents. We also explore the future of scholarly search, considering the potential roles of generative artificial intelligence and scientific question-answering systems in these domains. In the initial section of this thesis, we delve into the complex design and implementation aspects involved in building a large-scale digital library. We discuss various challenges and critical design decisions that were made to ensure the library’s long-term sustainability and ease of maintenance. Furthermore, we provide an in-depth analysis of the unique and robust components of CiteSeerX, including its advanced crawling, extraction, ingestion, and production-ready capabilities. Our focus then shifts to the investigation of search and re-ranking techniques specifically tailored for large-scale scholarly documents. We delve into various approaches for indexing, searching, and ranking vast collections of scientific literature, proposing inventive methods for optimizing their performance and scalability. After successfully implementing our system and achieving an impressive index of over 15 million academic papers, we explore the numerous potential applications and opportunities that can arise from this extensive collection of scholarly articles. Following this, we conduct a thorough examination of cutting-edge mathematical information retrieval techniques for extracting and processing mathematical expressions from scholarly documents. We present an exh

关键词： 分布式系统   主题爬虫   文本相似度   LDA主题模型   Solr检索  

摘要： 21世纪是信息时代,是大数据时代。互联网上的数据量增长飞快,已至ZB级别。面对如此庞大且多种多样的数据,搜索引擎也需要朝着更精准的方向发展。通用搜索引擎搜索的结果范围广,数据多,准确度低,用户不得不多花额外的时间去从返回结果中继续做筛选。相比于通用搜索引擎来说,垂直搜索引擎只搜集某一特定的领域下的数据和信息,可以向专业的用户提供更准确的搜索服务。中国互联网发展迅速,互联网数据丰富,如何充分地利用互联网数据为行业的发展提供及时有用的信息,本文设计并实现了一款面向专业领域的垂直搜索引擎。 本文研究内容主要包括: 搭建分布式框架和设计搜索引擎系统。本文采用Hadoop大数据框架搭建底层分布式系统,成功地部署计算机集群,提高系统的可伸缩性,提高系统算力和存储能力;本文将主题爬虫部署在集群上,以分布式模式运行程序,提高主题爬虫的效率与性能;本文采用分布式数据存储方案,提供数据副本,增强系统的容错率;建立索引以及检索模块,实现多种排序方式以及分类展示功能。 在主题爬虫一侧,本文优化爬虫链接抓取规则,改进基于向量空间模型的文本相似度算法。为了进一步提高主题资源的覆盖率和采集主题信息的相关性,本文在Nutch开源爬虫框架的基础上,根据胶带、胶粘剂主题特征和链接结构改进链接发现规则,提高了发现优质种子链接的速度;对链接指向的网页文本结合胶带胶粘剂领域文本的特点进行分析,综合词频和语义的向量空间模型,改进主题相似度算法,提高模型计算的准确性;扩展LDA主题提取模块,对已抓取的文档进行主题词语提取操作,加入到领域主题描述文档,进一步提高基于向量空间模型的相似度计算的准确度。 基于以上研究,本文以胶带、胶粘剂行业为例,对主题爬虫模块和搜索引擎系统整体进行了测试。分布式(三台服务器)主题爬虫相比于其它两种模式下的爬虫,站点的浏览速度提高了2～3倍,改进相似度算法后的爬虫查全率提高了15%。此外,系统能够提供简洁方便的用户搜索界面,并且满足多种检索结果排序及分类展示功能。

摘要： 搜索营销对企业最大的好处就是可以将有限的资源集中投放，实现资源的使用率达到最高。搜索营销对于初涉网络市场的企业来说，是当下最好最优的营销手段。因此，搜索营销在网络经济时代下，既顺应了时代发展的需要，也对企业在网络世界和现实世界的品牌形象、销售提升具有一定的现实意义。

关键词： 搜索引擎  

ISBN: (纸本)9787115626516

摘要： 本书介绍了搜索引擎优化(SEO)的方法。全书共11章，内容包括SEO概述、SEO的前期准备工作、网站结构优化、网站页面优化、网站链接优化、网站关键词的优化、网站内容优化、常用SEO工具、移动网站SEO、搜索引擎营销(SEM)和数据监测与分析。

关键词： 搜索引擎   自动补全算法   算法偏见   数字不平等   算法审计  

摘要： 人工智能的广泛应用引发了学术界关于算法价值偏见的担忧和探讨。以搜索引擎自动补全算法为研究对象，本研究运用算法审计方法，在模拟创建大规模用户搜索词的基础上，对收集自主流搜索引擎的47011条自动补全预测词条所反映出的价值偏见进行了检验。研究发现，在性别、年龄、户籍三类社会群体属性上，自动补全算法偏见与长期存在的社会歧视一致，反映出女性相较于男性、中老年群体相较于青年、农村相较于城市的不利社会地位；特征话题与搜索平台均显著调节这三类属性与算法负面偏见之间的关系。研究认为，在用户交互实践中社会偏见通过自动补全算法强化了其媒介可见性，而平台则受到流量商品逻辑的影响成为不平等再现的媒介载体。研究进一步探讨了算法偏见与数字不平等的交互机制、以及在对抗算法偏见过程中不同利益相关方的作用。