基于安全认知Agent的多策略智能搜索系统——沙特国王大学学报

沙特国王大学沙特国王大学学报www.ksu.edu.sawww.sciencedirect.com制作和主办：ElsevierJournal of King Saud University基于安全认知Agent的多策略智能搜索系统Neha Gulati*，1，Atul GargM.M. 计算机技术商业管理学院，MM大学，印度哈里亚纳邦安巴拉Mullana接收日期2016年1月30日;修订日期2016年6月6日;接受日期2016年6月28日2016年7月6日在线发布摘要搜索引擎是人们最常用的信息检索工具。尽管用户大规模地参与SE保持搜索势头。在这方面，目前的工作讨论了认知代理（CA）为基础的方法来支持用户在基 于 Web 的 搜 索 过 程 。 本 文 提 出 了 一 个 基 于 安 全 认 知 Agent 的 多 策 略 智 能 搜 索 系 统（CAbMsISS）框架来辅助用户进行搜索。它有助于减少SE和用户之间的上下文和情感不匹配。性能分析表明，CAbMsISS框架与现有搜索引擎（PSE）相比，提高了查询检索时间（QRT）和检索相关结果的效率。作为补充，当用户访问以前标记有负面情绪的资源时，它还提供搜索建议。总的来说，该系统的目标是增强搜索体验，以保持用户的积极性。该框架通过搜索日志提供建议，该搜索日志跟踪搜索的查询，访问的资源和搜索期间体验的情绪。所实现的框架还考虑了用户的安全性.©2016作者。制作和主办由爱思唯尔B.V.代表沙特国王大学。这是CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。缩写：BDI，信念、欲望、意图; CA，认知主体; CAbMsISS，基于认知主体的多策略智能搜索系统; CIMM，认知信息映射模型;COGSEMO，基于情感的认知搜索引擎; MsIS，多策略智能搜索; OTP，一次性密码; PSE，当前搜索引擎; Q，查询; QRT，查询检索时间;R，资源; RDJI，判定为无关的检索文档; RDJR，判定为相关的检索文档; SE，搜索引擎; SQ，语义查询; Webcam，网络摄像机*通讯作者。电子邮件地址：nehagulati_pu@rediffmail.com（N.Gulati），atulgarg1411@gmail.com（A. Garg）。1印度昌迪加尔，旁遮普大学，大学商学院。沙特国王大学负责同行审查。http://dx.doi.org/10.1016/j.jksuci.2016.06.0051319-1578© 2016作者制作和主办由爱思唯尔B.V.代表沙特国王大学。 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词BDI模型;认知Agent;情感;信息检索;智能搜索;搜索引擎多策略智能搜索系统2071. 介绍Web的规模正在以非常快的速度增长，今天有数十亿个网站。大多数用户使用SE作为从这个巨大的存储库中检索信息的主要工具（Rangaswamy等人，2009年）。Web的可伸缩性和每天不断增长的用户数量对SE提出了巨大的挑战。用户以由2-3个关键字组成的序列的查询的形式向SE提交他们的信息需求（Barr等人，2008; Guo等人， 2009年）。在目前的情况下，用户的需求和从SE检索的结果之间存在差距其原因是SE无法因为，SE不理解嵌入到语义注释中的概念之间的关系（Lamberti等人，2009），因此，理解用户上下文提出了另一个主要挑战。这会导致对查询的不恰当理解，从而导致不相关的检索，即从不同范围的查询中检索（Alafif和Sasi，2012）。因此，用户需要多次重构查询以检索相关结果。情绪在网络环境中普遍存在，并且肯定会影响用户在搜索活动中的参与度，在面对不相关检索时坚持搜索的动机以及留在任务上的愿望。用于执行搜索的方法和选择的替代方案在很大程度上受到搜索过程中经历的情感状态（情绪）的影响（Flavian-Blanco等人，2011; Kim，2008）。此外，在搜索过程中产生的情绪也可以作为评估信息的相关性（Nahl，2005年）。定义不明确的任务可能会给用户情绪带来更多压力（Kim，2008）。情绪控制对搜索行为有显著影响，不同情绪控制水平的用户倾向于以不同的方式搜索Web（Kim，2008）。总的来说，如果用户感觉良好并喜欢搜索，搜索过程会以积极的情绪结束。相反，由消极任务相关感受产生的消极情绪会降低绩效。在用户与计算机交互期间产生的焦虑、恐惧和紧张的感觉会影响用户在计算机相关任务和其他情感过程中的表现（Liaw和Huang，2006; Yee等人，2004年）。情绪控制能力较低的用户更容易受到复杂任务中产生的负面情绪的影响，他们的表现可能会受到影响。他们不太可能很好地处理压力，这可能会使他们感到压力和分心，因此会做出更频繁，草率和无效的搜索动作。因此，这项工作建议提供一种机制，以减少认知和情感负担的用户，以防止压力和分心，在搜索过程中。考虑到这一点和不相关检索的问题，有必要在搜索过程中保持用户的积极性为此，作者建议在设计基于用户上下文和情感的多策略智能搜索系统时，将用户情感作为一个关键参数。由于（Lawniczak and Di Stefano，2010）定义的CA以类似于人类的方式执行感知、推理、判断、响应和学习的认知行为，因此建议设计一个基于认知Agent的多 策 略 智 能 搜 索 系 统 。 信 念 、 欲 望 和 意 图 （ Rao 和George，1995）是构成智能体“大脑”的三个2. 研究贡献这项研究的贡献分为以下几类：在搜索过程中，从用户满意度的角度清楚地了解SE的问题框架称为基于安全认知代理的多策略智能搜索系统（CAbMsISS），以执行基于用户的认知风格，上下文，情感和时间戳的搜索实施名为COGSEMO的安全CAbMsISS框架，以提高用户在QRT、精确度和RDJI比例方面的满意度。分析检索结果并比较PSE：Google与安全CAbMsISS。本文的组织如下：第3节概述了SE的未解决的问题和MSIS的需要。在第4节中，我们提出了一个安全的CAbMsISS框架。本节的不同小节描述了拟议框架的功能第5节阐述了安全的CAbMsISS框架（COGSEMO）的实现以及实验设置。第6节中的图表给出了对实施框架的性能评估，第7节给出了结论和未来的工作。3. 问题公式化SE无法理解搜索过程中体验到的搜索者的不同需求、选择和感受，这产生了超级无用和无用的信息。 图1显示了从PSE：Google（2016年1月20日，上午11：26）获得的查询（Q1）=ns3的结果集。Q1的用户上下文是获取与丙型肝炎病毒中发现的非结构蛋白3（ns3）相关的内容。但是，前10名结果中没有一个与ns3蛋白有关。相反，整个结果集都与计算机科学主题相关在这种情况下，RDJR的比例=0，即精度=0。SE相反，它们依赖于XML来使用所有必需的关键字来制定查询。将查询（Q1）重述为Q2= ns3+蛋白质，以检索相关内容。PSE：Google（截至2016年1月20日上午11：35）检索的第2季度结果集如图2所示。所获得的资源（结果）被相应地编号为R1、R2等，以便详细说明。对这些资源执行了以下操作：R1– read (click the resource to open it), R2 – read and save (storeit),用户可以使用Web浏览器的以下功能手动保存任何资源以备将来使用将资源添加到收藏夹（浏览器- Internet Explorer），创建书签（浏览器-Mozilla Firefox、Google Chrome和Apple Safari）。该方面涉及浏览器而不涉及SE，因此如果用户转移到另一个Web浏览器，则收藏夹或●●●●●●208N. Gulati，A.Garg图1从PSE检索的查询结果（Q1）=ns3。图2从PSE检索的查询结果（Q2）=ns3+蛋白质。书签需要导出到新的浏览器。因此，要求用户采取行动。另一个问题是SE无法通知先前访问的与负面情绪相关联的资源或被声明为无用的资源，从而避免其重复访问。此外，SE2015年b）。因此，将高的认知、感知和学习负担放在用户上，以记住查询以及所访问的上下文和资源情绪影响在线环境中的学习，参与和成就（Artino，2012）。在寻找的过程中，他们可能会遇到一些情绪（如焦虑，喜悦等）。尽管人类情感对人机交互有影响多策略智能搜索系统209（Charlton，2009），人类情感元素（情绪）被SE忽略了没有考虑到在搜索期间感受到的情绪，因此，SE不将情绪与搜索后用户满意度相不存在将情感与执行的查询和访问的资源相关联的机制。这浪费了用户它铺平了道路，在目前的工作中，考虑情绪作为一个关键因素，揭示基于Web的搜索体验。上述讨论的问题为考虑SE中的自适应性提供了充分的支持。调整SE以满足用户的需求需要有效地对用户行为进行建模。用户行为是指用户处理和组织信息的方式，即用户的认知风格（Belk等人，2013年）。它强调信息加工过程中的优势和偏好。用户的认知风格与基于Web的环境中的性能相关（Wang等人，2006;Tsianos等人， 2008年）。除此之外（Kinley et al.， 2010）也揭示了网络用户搜索行为与认知风格之间的关系。作为这种关联的补充，导航度量已经被建议并用于基于导航行为（线性和非线性）对用户进行分组（Belk等人，2013年）。这为基于认知风格、上下文、情感和时间戳的本工作中的用户建模提供了有力的基础。4. 拟议框架研究人员建议利用用户图3中示出了被称为MsIS的所提出的搜索。用户建模是拟议工作的关键组成部分。用户的静态数据通过在“新用户注册”过程中填写的注册表收集。动态数据（Belk等人，2013）是使用口头分析、自我报告和图像识别来收集的。行为数据是指用户自我报告（Flavian-Blanco等人，2011年）是基于表情符号（情绪自我描述的用户）。网络摄像头（Webcam）捕捉用户图像。通过clmtrackr2的图像识别有助于提取用户在基于Web的搜索过程中所经历的情感。clmtrackr是一个JavaScript库，用于将面部模型与图像和视频中的面部相匹配采用用户引导建模和动态用户建模的方法建立用户搜索模型。用户的Web浏览行为有助于识别所使用的关键字中的错误，访问内容（资源）所遵循的路径和感受到的情绪。基于情感、时间戳等对查询和资源进行聚类，指导推理、判断和决策过程。MsIS 的 设 计 灵 感 来 自 CA 的 BDI 模 型 （ Rajendran 和Iyakutti，2009），基于CA的五层架构（Lawniczak和DiStefano，2010），如下所述2它是在MIT许可下发布的开源软件。它可以在：https：//github.com/auduno/clmtrackr上找到。感知层负责从环境中感知以下信息：◦用户在认证过程中通过网络摄像头◦发起查询◦访问的网络资源和◦搜索过程中产生的情绪判断块提取特征，识别它们并提供估计。推理层也称为思维层，它利用感知层获得的信息和已有的知识形成决策。然后将决定传递给评审层。判断层不仅接受来自推理层的信息，而且将处理后的信息传递给推理层，以增强决策。响应层接收来自判断层的内容，根据情况应用规则，并进一步指示感知层发出响应。学习层负责监控所执行的操作，从而获得新的知识。它负责更新推理层运行所基于的现有知识。除此之外，（Gulati和Garg，2015 b）中讨论的CIMM为安全CAbMsISS提供了基础（图3）。图3所示的建议框架执行基于Web的搜索CIMM（认知风格和情感），上下文和时间戳的基础上。如图4所示的安全CAbMsISS的高级视图包括三个子系统，即：用户输入、用户认证和安全搜索。CAbMsISS框架中集成的两层安全性为用户提供了一个安全的搜索环境4.1. 用户条目图4中的该子系统（标记为1）确保系统中的安全性。它允许注册为新用户（模块条目的子模块注册）或输入现有用户的登录标识（模块条目的子模块登录）。4.1.1. 寄存器Entry模块为新用户启动子模块Register，并生成一个由用户填写的注册表单。填写登记表是使用安全CAbMsISS框架启动基于Web的搜索过程的先决条件。注册表包括以下字段：姓名，电子邮件，出生日期，性别，资格，用户的组织，工作领域，兴趣和地址。这些字段引导系统提供自适应搜索结果。外地电子邮件增强了系统的安全性此模块生成并发送OTP到用户电子邮件，用于在新注册期间验证用户。如果用户由系统生成的1/4OTP;然后对用户进行身份验证：最后，通过网络摄像头捕获用户图像，并将包括图像的用户详细信息存储在数据库中（图4）。算法：寄存器说明了这个子模块的基本原理。●●●●●●●●210N. Gulati，A.Garg图3框架图4安全CAbMsISS的高级视图。多策略智能搜索系统2114.1.2. 登录登录子模块由退出用户的Entry模块启动它接受来自现有用户的电子邮件并在数据库中搜索它。如果用户输入的电子邮件在数据库中找到，即用户已经存在，那么网络摄像头捕获用户图像。然后将捕获的图像与存储在数据库中的用户图像进行匹配。如果匹配，则用户通过身份验证。如果用户图像不匹配，则该模块生成OTP并将其发送到用户电子邮件以进行认证。在输入正确的OTP时，允许用户访问系统。如果出现以下情况，则拒绝访问用户电子邮件与数据库中存储的电子邮件不匹配，或● OTP不匹配。算法：Login突出了用户身份验证过程。4.2. 用户认证在成功通过安全检查之后，该子系统（标记为2）认证用户并通过将控制转移到称为安全搜索的子系统来提供对搜索的访问。未经授权的用户被拒绝访问，控制权转移到用户输入。4.3. 安全搜索标记为3的子系统向认证用户呈现搜索界面。模块MsIS和安全性（图。 4）控制该子系统的功能。4.3.1. MSIs它根据用户的认知风格、查询上下文、情感和时间戳执行搜索。Gulati和Garg（2015 b）提出的CIMM通过使MsIS模块能够捕获用户搜索活动，情感和时间戳来增强目前的工作。4.3.1.1. CIMM（Gulati和Garg，2015 b）。本工作的作者还深入讨论了CIMM高级视图中呈现的模块（搜索活动，捕获，存储，决策和搜索建议）的功能（Gulati和Garg，2015 b）。图5示出了为捕获用户因为，根据（Flavian-Blanco et al.， 2011），在线搜索过程的情感结果可以由不同的感知结构，初始情感状态和搜 索 过程中感 受 到的情感所影响，因此，CIMM被指示在搜索过程中捕捉情绪。用于说明模块“搜索活动”和“捕获”工作的不同术语如下：R -资源，RL -资源列表（被错误访问的资源的列表），SE -搜索引擎，Q -查询，QL -查询列表（先前搜索的查询的列表），W -窗口。当用户输入查询或从QL中选择现有查询时，将调用模块Capture。当选择某个R时，它也被激活。算法Capture（Q）获取与搜索过程相关联的信息。以下操作和子模块描述了捕获模块的工作：●212N. Gulati，A.Garg图5CIMM模块搜索活动的功能ACT{Q}（对Q执行的操作）：如果执行的操作=单击，则调用模块Record_keywordlog（Q）。模块Record_keywordlog（Q）：它将Q的详细信息存储在数据库中，包括查询、日志戳和通过网络摄像头捕获的情绪。它还显示与Q对应的RL。如果从QL中选择Q，则显示预定义的RL，否则SE为Q生成新的RL。ACR{RL}（对RL执行的操作）：如果执行的操作=单 击 ， 则 从 RL 中 选 择 资 源 R ， 并 调 用 模 块Record_searchlog（R）。模块Record_searchlog（R）：它捕获并存储资源R访问的详细信息、日志戳、对资源执行的活动以及用户情绪。ACT{W.R[当前]}（对当前资源R的窗口W 执行的操作）：如果执行的操作=关闭，则用户已关闭当前资源R。将现有打开的资源数减少1。模块Record_searchlog（R[Current]）现在存储已关闭资源R[Current]的当前状态，并且R [Current]的窗口已关闭。Module Check_window（i，current）：检查当前用户激活的当前资源窗口ACT{W.RL}（RL窗口上执行的操作）：如果执行的操作=关闭，即用户不再希望为查询Q选择现有资源。如果（ACT{RL}！=单击，ACT{W.RL}=关闭），则用户不对Q执行任何操作。没有从RL为Q选择资源。在这种情况下，它允许用户再次启动某个任务的搜索过程（使用SE的相同查询或新查询）。用于描述模块Capture工作的逻辑使用Algorithm：Capture（Q）进行说明。算法：捕获（Q）它获取有关用户搜索过程的信息有两种类型的活动：New（用户输入Q）和Existing（用户从QL中选择Q）。●●●●●●●多策略智能搜索系统213捕获模块收集的数据通过存储模块存储在数据库中。数据 库 的 概 念 ER 模 型 （ 图 6 ） 由 五 个 实 体 （ webuser ，webuserphoto，keywordlog，searchlog和emoti-con）组成，它们通过关系“has”相关联。用户搜索过程的认知映射（Gulati和Garg，2015 b）基于BDI模型。在数据库和认知图的指导下，决策模块从查询、资源、情感和时间戳的角度对数据进行分析。分析的数据有助于向用户提供关于查询的建议(Q)资源（R）查询（Q）Q是否在之前被搜索过？如果是，那么搜查了多少次？所有的QQ的时间戳（这有助于分析用户是否有固定的特定时间来搜索Q）。与Q根据积极和消极情绪对所有的Q进行分类。● Q是否访问了任何R？资源（R）在R.在R上与R相关的情感将有用和无用的R分类。将所有带有积极和消极情绪的R分类。4.3.1.2. 上下文注册过程中使用的各种字段有助于为查询提供用户4.3.1.3. 时间戳系统4.3.2. 安全安全性通过CA结构中定义的不同层激活（Lawniczak和DiStefano ， 2010 ） 。 网 络 摄 像 头 和 图 像 识 别 系 统（clmtrackr）确保安全。5. 实施和实验设置被称为安全CAbMsISS（图7）的所提出的框架的实现被称为基于情感的认知搜索引擎（COGSEMO）。结构设计和施工采用以下技术：● 页面布局● 客户端交互● 数据库● 服务器站点处理和数据库处理● 操作系统：Windows 7（64-bit）● CPU -● 内存● 硬盘驱动器●●●●●●●●●●●214N. Gulati，A.Garg图6数据库的ER概念模型图图7COGSEMOCOGSEMO通过基于认知风格、上下文、情感和时间戳构建用户模型，促进了安全和自适应的基于Web的搜索。安全元件仅允许经过身份验证的用户访问基于Web的搜索。这可以防止未经授权访问搜索日志。成功登录后，用户可以通过在文本框（图7）中键入关键字来搜索新的查询，或者从搜索日志中可用的查询列表中进行搜索，如图7所示。7.第一次会议。5.1. 搜索选项COGSEMO在搜索过程中通过显示一个带有一些特定选项的下拉框来帮助用户，如图7所示。领域价值观：我的组织，我的工作领域，我的兴趣区是由用户在注册过程中提供的。这些字段有助于指定用户的查询上下文。它有助于通过基于用户上下文执行搜索来改进检索结果的相关性。COGSEMO还允许用户从 如5.1.1节所述的特定域。5.1.1. 指定的Web域图8示出了为域特定搜索提供的选项。COGSEMO也会生成错误搜索的域列表。对 于 查 询 = Education 和 Domain = ieee.org （ 图1）， 8），COGSEMO获得的结果集如图所示。9.第九条。多策略智能搜索系统215图8COGSEMO图9COGSEMO5.1.2. 我的组织在选择选项：我的组织查询（Q），COGSEMO转换查询（Q）语义查询（SQ），并发送SQ到PSE检索相关的结果。Google搜索引擎被称为PSE，用于检索搜索结果 。 图 10 突 出 显 示 了 在 执 行 查 询 = Senate with usercontext = My Organization（“Panjab University”）之后获得的结果。这消除了在查询中通过关键字重复指定用户上 下 文 的 需 要 。 一 旦 指 定 ， 上 下 文 可 以 重 复 使 用COGSEMO还有助于更新字段的值点击图中所示的电子邮件进入注册表。 十一岁5.2. 情绪在人机交互的各个领域，人类情绪（压力、焦虑或挫折）对计算机性能的影响此外，搜索过程的情感结果可能对在线用户在网络上执行的潜在操作产生重要影响（Flavian-Blanco216N. Gulati，A.Garg图10COGSEMO图11COGSEMO例如，2011年）。与此一致，本实施的系统在访问标记有负面情绪的资源时向用户提供主动帮助COGSEMO通过Webcam捕获用户图像，如图11所示，并使用clmtrackr对其进行分析以提取情感。情绪可以被提取出来：通过网络摄像头和clmtrackr自动完成通过表情符号进行明确指定。图12列举了可以由用户选择以表达感受到的情感在通过clmtrackr或表情符号提取用户情感之后，将相应的情感与发起的查询或访问的资源进行标记（关联）。这为用户限制对先前标记有负面情绪或发现无用的资源或查询的访问提供了帮助。COGSEMO通过提供搜索的查询列表、访问的资源和使用称为搜索框的任务窗格感受到的情绪来指导用户（图1）。 11）。选项：搜索链接指定了访问的资源，搜索时间和捕获的情感（图1）。 11）。●●●多策略智能搜索系统217-图12COGSEMO图13COGSEMO图14COGSEMO关键字枚举发起的查询。它还根据标记的情感对查询和资源进行分类。图13显示了与用户情绪=微笑相关联的查询（关键词）。图14列出了标记有用户情绪=沮丧的查询。该功能可以防止访问以前标记有负面情绪的资源。可以从按钮：新搜索（图13和14）启动任何自动进行的搜索如示于图 15、COGSEMO显示查询已启动和已访问的相应资源（以蓝色突出显示）。于执行按钮：新搜索，显示关于对应查询和资源的大部分时间所经历的情绪的消息。图16中呈现了由COGSEMO针对查询生成的情感统计。符号+和表示%与查询相对应的经历积极和消极情绪的次数的年龄。5.3. 时间戳该系统提供了查询和资源的列表访问对应于不同的时间戳（上午，下午，晚上和晚上）解释COGSEMO（图）。17）。它●218N. Gulati，A.Garg图15COGSEMO42）使用Button：New Search执行图16COGSEMO显示了在特定时间戳中查询被访问的次数的% age。图17中 所 示 的 查 询 No.17 （ 头 发 颜 色 ） 在 早 上 的 访 问 率 为2.35%，在晚上的访问率为97.65%。在 研 究 过 程 中 ， 对 安 全 CAbMsISS （ 实 施 为COGSEMO ） 的 检 索 有 效 性 进 行 了 测 试 本 文 对 PSE ：Google和CAbMsISS检索的结果进行了比较分析QRT，即执行查询所花费的时间，对于两种方法均观察到，文档截止值（DCV ）=10。采用判断抽样法，选取10 个问题（ N= 10 ） 进 行 实 验 研 究 。 对 两 种 入 路 （ PSE 和CAbMsISS）执行了所有10个查询，并记录了获得的QRT（以分：秒，毫秒为单位）。对两种方法重新执行每个查询，并计算和分析每种方法每次查询获得的QRT观察结果的平均值。作者还分析了检索到的结果集，图17时间戳和时间戳。找出RDJR的比例，即RDJI的精度和比例。描述性统计：使用平均值计算平均值。最后，推断统计：使用独立t检验测量PSE和CAbMsISS的各种检索有效性指标（QRT、精密度、RDJI）之间的差异显著性。6. 实验结果及对比分析CAbMsISS的有效性及其与PSE的比较分析：Google基于以下参数：qRT精密度● RDJI比例●●多策略智能搜索系统219表1列出了为上述参数制定的假设。使用MS-Excel软件提供和分析列表数据。6.1. qRT它是指SE从发出查询开始显示第一个结果集所用的时间。假设H0（1）：QRT（PSE）=QRT（CAbMsISS）表2列出了对PSE和CAbMsISS执行10次查询后获得的QRT的计算平均值。图18显示了平均QRT（PSE）和平均QRT（CAbMsISS）的比较。表2PSE和CAbMsISS的平均QRT。平均QRT（min：s·ms）Sr. 号PSECAbMsISS查询编号QRT（PSE）平均QRT（PSE）查询编号QRT（CAbMsISS）平均QRT（CAbMsISS）11a0.210.301b0.160.170.390.1822a0.570.592b0.360.340.610.3133a0.530.523b0.420.340.50.2644a0.550.444b0.470.370.330.2655a0.440.425b0.370.350.40.3366a0.70.666b0.310.290.620.2677a0.50.437b0.360.320.360.2888a0.490.478b0.340.320.450.399a0.590.499b0.380.360.380.331010a0.370.5210b0.20.190.660.18图18平均QRT（PSE）和平均QRT（CAbMsISS）的比较。表1用于比较分析的假设。Sr.号1假设测试23H0（1）：在以下方面没有显著差异PSE和CAbMsISS的平均QRT H0（2）：PSE和CAbMsISS的RDJR比例无显著差异，或没有明显的差异，PSE和CAbMsISSH0（3）：PSE和CAbMsISS的RDJI比例无显著差异独立独立t检验独立t检验220N. Gulati，A.Garg--表4平均文档检索结果。平均值-文件检索结果PSECAbMsISS使用独立t检验来确定平均QRT（PSE）和平均QRT（CAbMsISS）是否存在任何显著差异。结果：表3列出了对表2所示的平均QRT（PSE）和平均QRT（CAbMsISS）进行t检验后获得的值。计 算 的 t 值 =4.729 ， 列 表 t 值 （ 双 尾 检 验 ）=2.101。由于计算的t值>列表t值，因此假设H0（1）被拒绝。这描述了平均QRT（PSE）和平均QRT（CAbMsISS）的显著差异。证明：平均QRT（PSE）此 外 ， 平 均 QRT （ PSE ） =0.4825> 平 均 QRT（CAbMsISS）= 0.303，因此与PSE相比，CAbMsISS消耗更少的时间来检索查询结果因此，CAbMsISS在QRT方面更有效6.2. 精度它 指 的 是 在 查 询 执 行 时 被 判 定 为 相 关 的 检 索 文 档（RDJR）的比例。假 设 H0 （ 2 ） ： RDJR 比 例 （ PSE ） = RDJR 比 例（ CAbMsISS ） ， 即 精 密 度 （ PSE ） = 精 密 度（CAbMsISS）表4列出了在执行PSE和CAbM- sISS的10次查询后获得的平均文档检索结果。使用独立t检验确定精密度（PSE）和精密度（CAbMsISS）是否存在任何显著差异。结果：表5列出了对表4第4列和第10列所示精密度值进行t检验后获得的值。计算的t值= 5.743 = ABS（5.743）= 5.743，列表t值（双尾检验）= 2.101。由于计算的t值>表列的t值，因此否定了假设H0（2）.这描述了精密度（PSE）和精密度（CAbMsISS）的显著差异。已证明：精密度（PSE）此 外 ， 平 均 精 密 度 （ PSE ） =0.01 平 均 精 密 度（CAbMsISS）=0.66，因此与CAbMsISS相比，PSE判定为相关的检索文档数量较少。<因此，CAbMsISS在精度方面更有效。图19示出了10PSE和CAbMsISS的Q1至Q10。该图描述了与PSE相比，CAbMsISS显示出更高的精度。这证明CAbMsISS在向用户呈现相关结果方面更有效。8.35832E-05查询编号检索总数号关于RDJR精度号关于RDJI检索到的文件被判定为无关的查询总号检索号关于RDJR精度号关于RDJI检索到的文件被判定为无关的1a1010.1090.901b 1020.2080.802a1000.00101.002b 10101.0000.003a1000.00101.003b 1060.6040.404a1000.00101.004b 10101.0000.005a1000.00101.005b 10101.0000.006a1000.00101.006b 1080.8020.207a1000.00101.007b 1030.3070.708a1000.00101.008 b 1010.1090.909a1000.00101.009 b 10101.0000.0010a1000.00101.0010 b 1060.6040.40表3平均QRT的t表5t- 精密度检验。t检验：双样本假设相等方差t检验：双样本假设相等方差PSECAbMsISSPSECAbMsISS是说0.48250.303是说0.010.66方差0.0096791670.004723333方差0.0010.127111111意见1010意见1010假设平均差异0假设平均差异0DF18DF18测试状态P（T6t）单尾4.729829776测试状态P（T6t）单尾-5.7427506259.58379E-06检验临界单尾1.734063592检验临界单尾1.734063592P（T6t）双尾0.000167166P（T6t）双尾1.91676E-05t临界双尾2.100922037t临界双尾2.100922037多策略智能搜索系统221图19PSE和CAbMsISS的精度值比较。6.3. 检索到的文件被判定为不相关的比例假 设 H0 （ 3 ） ： RDJI 比 例 （ PSE ） = RDJI 比 例（CAbMsISS）对表4第6列和第12列所示数据进行独立t检验。结果：计算的t值=5.743，列表t值（双尾检验）=2.101。由于计算的t值>表列的t值，因此否定了假设H0（3）.此描述RDJI（PSE）比例及RDJI CAbMsISS比例已证明：RDJI比例（PSE）RDJI的平均比例（PSE）=0.99> RDJI的平均比例（CAbMsISS）=0.34，因此与CAbMsISS相比，PSE检索到更多数量的不相关文档因此，CAbMsISS在RDJI方面更有效7. 结论和今后的工作实现的框架（COGSEMO）执行MsIS的基础上，用户的认知风格，上下文，时间戳和情感体验搜索过程中。注册表单中指定的字段将用户从每次启动搜索时重复指定所有关键字以建立查询上下文中解放出来。此外，由于系统附加情感，这防止用户访问错误地标记有负面情感的查询和资源。情感统计可以用于确定搜索过程的积极和消极元素。这可以用来增强搜索体验。该系统还根据情绪和时间戳提供建议。基 于 QRT 、 Precision 和 RDJR 对 PSE ： Google 和CAbMsISS的性能评估表明，CAbMsISS在上述所有检索有效性指标上均优于PSE。使用PSE（Google）对CAbMsISS的分析突出了CAbMsISS在QRT更少、精度更高和检索无关的结果。因此，这说明了为CAbMsISS提出和实施的框架的成功。还应将已实施的框架与其他SE进行比较研究。此外，实施的框架必须用大量的数据集进行测试。作者建议使用增强的图像处理方法来映射用户的情感。引用Alafif，T.，Sasi，S.，2012.语义网搜索引擎的域和范围标识符模块。2012年数据科学工程国际会议（ICDSE）。IEEE，pp. 8-12. 得双dx.doi.org/10.1109/ICDSE.2012.6281904值.Artino，A.R.，2012.在线学习环境中的情感：特刊介绍。互联网高。15，137http://dx.doi.org/doi:10.1016/j.iheduc.2012.04.001巴尔角，澳-地琼斯河，巴西-地Regelson，M.，2008.英文网路搜寻查询的语言结构。在：会议的自然语言处理经验方法-EMNLP '08 。 美 国 新 泽 西 州 莫 里 斯 敦 计 算 语 言 学 协 会 。http://dx.doi.org/10.3115/1613715.1613848网站。Belk，M.，Papatheocharous ，E.，Germanakos ，P.，Samaras ，G.，2013.基于认知因素、导航行为和聚类技术的万维网用户建模J.Syst.Softw.86（12），2995-3012。http://dx.doi.org/10.1016/j.jss.2013.04.029网站。查尔顿，J.P.，2009.与电脑有关的愤怒的决定因素和表达。Comput. 人 类 行 为 25 （ 6 ） ， 1213-1221 。 得 双dx.doi.org/10.1016/j.chb.2009.07.001值.Flavian-Blanco，C. Gurrea-Sarasa河，Orus-Sanclemente，C.，2011.利用搜索引擎分析在线搜索行为的情感结果。Comput.人类行为27（1），540-551。http://dx.doi.org/10.1016/j.chb.2010.10.002网站。Gulati，N.，加格，A.，2015年a。一个建议的框架，通过使用语义信息处理过滤噪声来优化查询。2015年绿色计算与物联网国际会议（ICGCIoT）IEEE，pp.1331-1338.http://dx.doi.org/10.1109/ICGCIoT.2015.7380673。Gulati，N.，加格，A.，2015年b。基于网络搜索的认知信息映射模型。国际应用研究信息技术计算杂志6（3），144-153。http://dx.doi.org/10.5958/0975-8089.2015.00018.4网站。郭杰，徐，G.，郑，X，Li，H.，2009.查询中的命名实体识别。在：第32届国际ACM SIGIR会议的研究和发展信息检索-222N. Gulati，A.Gargval - SIGIR '09。ACM Press，New York，USA，pp. 267-274. 得双dx.doi.org/10.1145/1571941.1571989值.https://github.com/auduno/clmtrackr网站。金，K.-美国，2008.情绪控制和任务对网络搜索行为的影响。信息 处 理 。 管 理 。 44 （ 1 ） ， 373-385 。 得 双dx.doi.org/10.1016/j.ipm.2006.11.008值.Kinley，K.，Tjondronegoro，D.，Parkman，H.，2010.基于用户认知风格的网络搜索交互模型。于：第22届澳大利亚人机交互特别兴趣小组会议的会议记录。ACM Press，New York，USA，pp. 340-343. 得双曲正切值. doi.org/10.1145/1952222.1952296网站。Lamberti，F.，Sanna，A.，Demartini，C.，2009.语义网搜索引擎中基于关系的网页排名算法。IEEE Trans. Knowl. Data Eng.21（1），123-136。http://dx.doi.or