题目：基于改进的DBSCAN算法的个性化搜索的研究与实现

       随着互联网技术的发展与普及，网络信息资源与日俱增，如何快速、准确地获取信息成为人们关注的焦点，搜索引擎应运而生。通用搜索引擎采用“一个搜索适用所有用户”的模式，不能满足针对用户个体的需求，因而个性化是搜索引擎未来发展趋势之一。

       个性化研究中的核心是建立用户兴趣模型。针对用户兴趣模型的构建问题，本文对DBSCAN聚类算法进行改进，提出一种两阶段聚类模型，采用启发式的自适应算法，得到聚类结果。该算法可以有效估计部分阈值参数，避免了由用户直接对阈值参数的设定，降低了聚类算法在实际应用中的难度。为了获得用户对于资源的兴趣关注度，提出了用户浏览行为的计算方法。针对用户兴趣提取问题，提出了一个三阶段兴趣提取方法，从而能更准确地跟踪用户的兴趣信息。

        通用搜索产生成千上万的查询结果，其中只有很少一部分是当前用户真正关心的，为了把用户真正感兴趣的文档链接排到前面的位置，本文考虑用户兴趣信息和链接初始排序信息这两个关键因素，提出个性化重排序方法。该方法在初始的通用搜索结果的基础上，采用个性化过滤技术，对原始的查询结果进行重新排序，使用户花费更少的时间精力去获取期望结果，提高搜索精度。

        最后，从工程搜索引擎的个性化需求出发，应用本文提出的用户兴趣模型构建和个性化重排序方法，设计实现并验证个性化工程数据搜索系统。