基于贝叶斯分类学习的搜索引擎检索排序方法

摘要

本发明公开了一种基于贝叶斯分类学习的搜索引擎检索排序方法，属于计算机应用领域。该方法将查询语句做为n维特征向量B={b1，b2，…，bn}，将索引文档做为分类A，使用贝叶斯分类算法对用户搜索行为数据进行训练，从而建立查询词-点击文档的分类模型;在对检索结果进行评分时，根据查询语句与索引文档特征向量的相似度评分值与所属分类的概率值进行组合计算，得到新的评分值，并根据新的评分值对检索结果重新排序后返回给检索客户端。与现有技术相比，本发明的基于贝叶斯分类学习的搜索引擎检索排序方法可以改进、优化搜索引擎中检索结果的排序，从而提高搜索引擎的检索精度，具有很好的推广应用价值。