基于预训练的谷歌搜索结果判定  

Google Search Result Classification Based on Pre-training

作　　者：张恩伟 胡凯[1,3] 卓俊杰 陈志立 ZHANG Enwei;HU Kai;ZHUO Junjie;CHEN Zhili(School of Automation,Nanjing University of Information Science&Technology,Nanjing,Jiangsu 210044;Transsion,Department of AI Technology,Shanghai 201203;Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology,Nanjing,Jiangsu 210044)

机构地区：[1]南京信息工程大学自动化学院,江苏南京210044 [2]上海传英信息技术有限公司AI技术部,上海201203 [3]江苏省大气环境与装备技术协同创新中心,江苏南京210044

出　　处：《中文信息学报》2024年第3期102-112,共11页Journal of Chinese Information Processing

基　　金：2023年江苏省研究生科研与实践创新计划(SJCX23_0394)。

摘　　要：对搜索引擎返回的结果进行初步判定有利于优化语义搜索过程,提高搜索的准确性和效率。谷歌搜索引擎在所有的搜索引擎中占据主导地位,然而其返回的结果往往非常复杂,目前并没有有效的方法能够对搜索页面的结果做出准确的判断。针对以上问题,该文从数据特征和模型结构设计出发,制作了一个适用于谷歌搜索结果判定的数据集,接着基于预训练模型设计了一种双通道模型(DCFE)用于实现对谷歌搜索结果的判定。该文提出的模型在自建数据集上的准确率可以达到85.74%,相较于已有的模型拥有更高的精度。The preliminary judgment of the results returned by the search engine is of substantial significance to optimizing the search process.As a dominant search engine,Google often returns very complex results,for which there is no effective way to make accurate judgments on the results of search pages.This paper first constructs a data set suitable for Google search result classification,and then,proposes a dual-channel model(DCFE)based on the pre-training model to determine the Google search results.The accuracy of our model on the self-built dataset reach 85.74%,which has higher accuracy the existing models.

关 键 词：谷歌搜索 预训练 深度学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]