如何利用改进的SVM算法根据用户行为日志中的用户兴趣学习更新检索函数

　　如何利用改进的SVM算法根据用户行为日志中的用户兴趣学习更新检索函数

　　摘要随着Internet信息量的增加，Internet用户对搜索引擎的功能，情报和搜索结果有更高的要求，并希望搜索引擎能够提供更准确，可靠并符合其个人需求的信息。基于搜索结果，我对支持向量机（SVM）分类的基本原理进行了深入，详细的研究，发现该支持向量机算法可用于学习具有显着效果的文档检索功能。讨论了如何根据用户行为日志中的用户兴趣使用改进的SVM算法了解如何更新检索功能。利用现有技术构建了搜索引擎，验证结果表明该算法可以分析站点用户行为的共性，获得满足用户需求的检索功能。随着Internet信息量的增加，Web用户对搜索引擎功能，情报和搜索结果寄予厚望，并希望搜索引擎提供更准确，可靠和个性化的搜索结果。通过研究支持向量机的基本分类原理，发现该支持向量机算法可用于学习文档检索功能，效果显着。

　　讨论了如何使用改进的SVM算法并基于用户对行为日志的兴趣来学习和更新检索功能。基于本技术构造了搜索引擎。验证结果表明，该算法能够分析用户行为的共性，并获得满足用户需求的检索功能。