本文介绍了视觉搜索引擎的内涵，核心内容和搜索框架，从建筑系统和关键技术两个方面揭示了国家视觉搜索引擎研究的进展。[关键词]视觉搜索引擎;建筑系统;关键技术分类号：10.3969j.issn.1008-0821.2017.10.028 [中国图书馆分类] TP399; G202 [文件识别码] A 1008-0821（2017）10-0172-06 [摘要]本文介绍了视觉搜索引擎的内涵，基本内容和搜索框。从建筑系统和关键技术两个方面描述了中国的研究发展。[关键词]视觉搜索引擎;体系结构系统随着网络信息水平的倍增和用户恢复需求的个性化，大信息与用户有限认知能力之间的矛盾变得越来越重要，需要客观上，新的信息检索技术可以提高个性化服务的效率。引擎诞生了，在信息检索领域引入了可视化技术[1]，揭示了搜索术语和信息之间的关系以及隐藏信息与法律的关联。过视觉和连续函数[2-6]多维[7] [1]改进的用户体验恢复[8]（局部导航，直观的和直观的[9]需要丰富的接口相关和明确的用户信息[10]），并减少认知负荷（没有太多的信息素养，语言知识研究[8]，改变知识学习过程的恢复过程[ 10]）。文介绍了视觉搜索引擎的内涵，核心内容和搜索框架，从建筑系统和关键技术两个方面揭示了国家视觉搜索引擎研究的进展。觉搜索引擎的定义和内涵视觉搜索引擎基于可视化环境（包括硬件（计算机系统配置图像，视频输入和输出，音频设备），软件，处理信息资源可视化（带有图标库，词库，函数库）索引，知识库和全文，音频和视频资源库））[11]，使用可视化技术[8，12]搜索引擎的各个方面，
宁波网站优化基于信息可视化，数据挖掘[6，13]，图形表示，学科科学识别，人机交互和其他学科理论和方法[13- 14]，技术，用户要求[8，15]，恢复模型，信息资源管理（获取，组织，存储，处理[15]）和p恢复过程隐形内部语义关系[10]，图片，图形[9]，动画，视频[13]和其他视觉形式[12，16-17]中的特征显示在查看空间以检索[2-5，12，15- 16，18-20]以获取网络信息显示索引，搜索，导航[12，16-17，21]和交互人机[1，16-17]，提高研究的沟通深度[9]及其效果（精确分析和恢复）需求，动态调整搜索策略[1]，增加信息量和搜索结果的可读性[18，21]（帮助用户理解[12，16-17]，学习搜索的意义并进行有效的回归[2，4，5，12， 15]）使用户可以确定导航顺序，查找所需信息），改善r的体验用户检索[8]（视觉上表达的信息内容，线性和网状关系[13] [5，8，16-17，22]，有效处理信息[9]以提高恢复性能效率[3，16，18-20]）。者认为，视觉搜索引擎可视化搜索引擎架构系统，关键技术，用户评估，可视化资源组织，可视化机制，可视化表示，应用域和系统实现等，如图1所示。1视觉搜索引擎研究框架搜索引擎可视化研究进展全面了解研究状况全国可视化搜索引擎，笔者采用了中国知识网，万方数据存储器，报纸图书馆和报纸威普图书馆作为信息源，与关键词相结合的研究相关文档在标题中（截至2017年4月21日，“密钥组合”和“搜索”，12个网络文件，26个文件和26个文件万芳的13项（3个新发现），21篇期刊文章（0项目最近发现），28篇威普（两个新发现），“可视化”和“研究”作为关键字它得到了14项和101项报纸，万方的15篇文章（6篇新发现），89篇报纸文章（5篇新文章）和100篇报纸文章（新发现3）。二条）;共172篇文章）。现有成就中，国家视觉搜索引擎的研究主要集中在跟踪国外动态（引进国外先进技术，如视觉恢复模型的构建，可视化技术，恢复系统的比较）视觉恢复应用等，与欠发达国家形势和深度不足有关[16]，主要用于理论讨论，尚未制定理论和成熟方法），应用研究尚处于早期阶段（系统设计思路尚未成熟[18]（如数字资源组织，系统架构等），开发是非常罕见[15]问题很多[23]），相关结果是“浓缩” “视觉信息检索系统的实现与实施”由王宁等人于1997年出版。术研究侧重于基础理论与技术（集群[12-13，16，24-25] ]，制图[3，7，12，14-15，18-19，22，26-29]，视觉显示[6，9，18，20，26-27，30-31]，可视化工具[2] ，5.14-15.17，22，32-33]）;应用研究侧重于农业[25，32]，大学研究[7-9，15，23，25]，电子商务[18]，社会平台[9]等领域。构系统架构可视化搜索引擎分为用户搜索层，可视化实现层和信息获取层（详见图2）。外，崔杰[34]提出视觉搜索引擎主要采用BS架构，包括数据服务器（数据定义，更新，格式转换等）和Web服务器（转换）。询表达式的用户需求和基于匹配算法的数据库中的匹配数据提取条件文档并通过用户界面将其返回给用户，包括自动索引，概念空间生成和可视化显示，结果集的提取等）和Web终端（用户和系统通信系统，恢复过程的可视化和结果通过用户界面））组成。
2视觉搜索引擎架构功能模块王浩[25]，李锐[35]等视觉搜索引擎信息提取（利用Web信息检索技术获取信息）高效），数据处理（改进中文分词信息检索，分词，关联分析，聚类分析技术分析和存储信息及其关系），处理可视化[35]（通过将视图转换为图形来映射相关信息及其与可视化结构的关系[25]，还包括用户行为的统计[35]（记录意义）结果聚类后的用户选择，系统归还研究结果），恢复（用户恢复界面，检索搜索结果），后台管理（管理员维护系统数据[25]）模块。能机制温燕萍[21]，陈莹[23]，王伟[25]，王伟[36]等相信视觉搜索引擎从网络资源中获取信息并对其进行预处理[25]，确定数据集及其可视化。象[21，23，36]（需要显示内容（如文档，数字图书馆，网站和超链接结构[23]），分析集合的内部特征数据（语义结构，链接，引用关系等），提取结构，上下文信息，元数据，用法和语义信息（支持选择视觉隐喻形式[21]）并存储在[25]关系数据库;然后确定逻辑对象之间（基本构建视觉模型）和什么关系（几何形状，自然物体，图标等[21，23]）显示对象的关系，最后，构建虚拟结构（通过抽象和分析方法的抽象生成，以帮助用户发现隐藏在数据中的规则和关联）信息（如e相似性，使用相同的关键词文档））[21]，定义观看空间[4，21，36]（基于信息可视化方法或文档信息系统结构[ 3]降维[3，21]构建一个低维空间可视化）的向量空间，确定所述视觉语义框架，使用可视映射方法映射可视对象和其与语义框架逻辑关系[ 22，36]并与用户动态交互，用视图转换直观地显示视觉结构，并通过用户界面返回检索结果[25]。键技术可视化技术是指利用计算机数据分析，图形设计，图像处理和人机交互技术将大数据转换为图像或图像显示在屏幕上[8]并允许通过交互在屏幕上进行提取和可视化[20]，在数据[17，16]中涉及[20]定律的直观理论，方法和技术通常按类别划分可视化，方法和目标。
觉搜索引擎基于通用可视化技术[12，20]（传统的多概念可视化，空间地理，文献，数据库可视化和多媒体技术，目前专注于网络资源恢复的可视化和大规模，域可视化，算法增强等[7，15，17-18，37]），其中关键技术包括聚类，可视化映射，可视化显示，可视化工具等等聚类）近似集理论吴娜[13]基于分类机制，利用知识库知识来估计机器学习和知识发现的不准确（确定）知识;数据，决策和分析。量空间模型，也称为特征词的矢量模型，文本的矢量化表示，在SMART恢复系统中首次使用。目前被广泛用于信息检索[13]，用于衡量文件和问题的相关性，其结果按相关性的降序排列[16]。伟[16]认为部分匹配策略的优点是算法层基于多值相关判断，基于词的统计加权处理模式用于改进恢复效果，恢复结果允许对退出策略的弹性进行排序，控制并自由调整恢复结果的数量;缺点是索引词彼此独立。传算法从随机生成或特定的初始组开始，根据规则（选择，交叉，变异等）设置，并根据个体优化搜索过程的能力优化搜索过程。广泛用于知识发现，组合优化，机器学习，信号处理。自适应控制等[13，24]，吴娜[13]认为，研究过程自动获取优化知识，自适应地调整搜索的意义，是通用的，并且容易扩展（可以使用简单的修改）其他问题添加领域知识并结合现有算法）。
外，王生辉[24]提出了一种交互式可视化模型遗传算法（允许用户参与遗传研究过程，并采取主动位置，通过将遗传过程引导到用户的主观感觉搜索过程中的引导信号（增加具有高适应度的个体）它可以有效地加快遗传算法的收敛速度，减少用户疲劳并允许归纳搜索图像K-means算法Wu Na [13]估计K-means是最经典和最常用的分类算法，它非常有效：它使用随机对象作为集群的平均或初始中心，平均距离将对象划分为k个群集，并不断更新每个群集的平均值，以便群集内的相似性群集很高并且群集之间的相似性很弱，直到标准函数（误差标准通常为正方形）收敛为止。通常用于处理大型数据集，因为很难提前确定初始质心并且选择是敏感的（初始质心的随机性会影响分类结果的稳定性和质量）。皓[25]提出选择基于最大距离法的初始质心K-means分类算法（结合K-means分类算法，简化分层分类算法，效率优化分类，效果：由K-means分类方法生成该类通过约束精简层次方法压缩空间，所有聚类树类型由精简和合并的层次聚类方法生成在完整的聚类树中，可视化映射是一种常用且广泛使用的技术。索引擎可视化映射技术包括几个参考点模型，欧几里德空间特征模型，自组织图，路由，多维尺寸分析[15，22，37]和多参考点模型Feng Xiaoqin [19]和Zhang Jin [22]认为广义参考点代表用户信息需求和相关信息（偏好，搜索历史，用户归属和培训）。），以及特殊信息（如复杂问题）。浏览文档或搜索术语）。考点通常是搜索词（组），用于帮助纠正搜索请求以提高结果的准确性。
干参考点使用两个或更多个用户需求信息来形成参考点的小视觉空间，以便将其绘制到视觉空间中以便有效地满足用户的复杂信息需求。户灵活准确地操作。（水晶信息（视觉搜索结果在2D空间中）），几个移动参考点。
小勤，[19]的欧几里得空间特性的模型，考虑的欧几里得空间的基本元素是点，距离，角度和特殊的相关性与基于向量的空间信息研究（时空间点对应于基于向量空间的文档或参考点。
个文档（参考点）之间的欧几里德距离可用于揭示相似性。使用欧几里得空间特性和研究信息之间的自然关联以创建视觉环境，其允许用户浏览和搜索信息[19]，这反映在研究的方向（这种类型的算法适用于类似的比例情况，如信息搜索余弦矢量模型，矢量之间的角度越小，距离越近（该算法适用于非常相似的情况，加上距离）接近，结果相似）[22]冯小琴[19]和张进[22]提出了DARE模型（基于角度 - 角度），TOFIR（基于角度角度）和Guido（基于距离的距离[2-3]），以查看在二维空间方向和距离，或二者的组合，使用基准KVP，AVP创建的空间自组织图形信息以前用于可视化领域[26]（宏观可视化知识更好，但过程复杂[19]，效果随着学习次数增加（过度学习）[27]）。被称为基于Kohonen特征映射（SOM）是无监督[27，29]，并且可以被返回[19]通过人工神经网络[14，18，26]，由芬兰提出首次TKohonen [29]，常用于矢量信息检索模型[22]，总结，组织输入数据或信号特征，分类和揭示拓扑关系，映射集小尺寸网格节点上的大尺寸输入数据[14]将它们表示为简单的几何关系[23]，同时尽可能保留原始数据关系[26-29]它产生描述输入数据的有序映射和关系的高度有序统计特征[26]，包括结构，算法，识别，输入和输出系统[14，22]，Neu rones（对应于N维加权向量[27，29]，记忆和记录在学习过程中获得的知识，经验[22]）有序结构自动处理输入数据并生成地图网格特征（神经元通常显示在矩形或二维六边形节点网络节点中，交互距离决定了神经元之间的相互作用程度，算法的结果决定了图像的数量[29]）和模糊数据处理复杂的计算能力和[22]。学福[27]和孙伟[28]提出根据出现频率将节点数分配给输入向量[27]，重点是域，区域和邻域关系，很容易在图形的中心区域添加标签[28]，但频率很低。本，当频率较高时，样本失真在尺寸减小时减小（压缩比越高，失真越大[27]，这使得图形外观和不相交的真实[28]）。路网络，也称为探路者（PFNET），已由Schvaneveldt和其他认知科学家提出。于经验数据评估概念或实体之间的相似性（相异性），并使用图论的基本概念和原理生成特殊网格模型（层次结构，分组概念，减少维度的实体，描述通过连接节点和图形之间的数据之间的关系）为了清楚地显示对象之间的联系，可以在一定程度上模拟人脑的记忆模型和联想思维[7]，其中包括验证数据关系并创建品牌最有效的连接路径。
构化模式可以直接吸引用户的注意力。好的“相关路径”[26]有效地消除了网络中不明确的链路，以减少计算负担并提高效率[7，18，23，26-27]。主要用于分析单词频率的共现，信息搜索的分析等。[14]，作为陈朝梅对视觉作者和引文的分析[7]。维尺度分析又称相似结构分析[14]，张雪梅[7]认为降维数据的非线性变换用于表示数据之间的关系通过在小空间中的散射散点来获得高维度，以便阐明潜在的维度。（直接确定事物之间的距离），用较少的变量来解释事物之间的相似性;或梁[12]，张学富[27]认为它主要用于处理代表性事物之间的接近观察数据，包括实际距离和主观判断的相似性等。析不同的距离或类似的矩阵，根据常见的频率引用对象评估文档之间的相似性等。
一组对象相似性度量中找到结构。点是在减少维度（通常需要本地细节和更明确的结构表示，影响MDS配置）之后没有快速解释结果的自然特征的方法，并且无法处理作为小数据集[27]。语义索引韩哩划[18]周呢嗯[26]张血府[27]认为，该矩阵的矩阵分解用于语义特征文档的提取，以变换向量空间文本关键词在语义概念空间中，消除了词之间的相关性。
[12]，在维数减少的语义概念空间中，计算查询向量和文档向量之间的相似性，并在渲染后返回它[18]。的特点是揭示了输入数据的“潜在”语义结构，通常用于处理大型和大型数据[26]。视化显示表明对可视化的依赖性是否接近用户体验和最佳知识描述[26]。必要根据实际原因选择一种或多种显示技术组合[27]。前，通常用于视觉搜索引擎的显示技术在表1中给出，郭卫兵等。想包括文件透镜，透视墙视图等。过没有内在结构继承的工具可视化检索视觉信息，产生各种可视化方法。此，已经开发了各种视觉搜索引擎模型和工具[22]供用户选择[33]。Prefuse工具箱的入门语言具有建模，可视化和数据交互的功能，支持分层，网格和其他结构，并提供一系列可视化编码，算法，组件支持演示，颜色，大小，形状，失真，动画（通过Activity系列）和软件[32] JavaGephi，复杂的网络分析软件，主要用于网络和复杂系统，交互式可视化和动态分层图检测和检测开源工具，广泛应用于大学，企业和机构，如纽约时报API底层图形JavaOpenGL 2D和3D，如全局连通性分析，Twitter网络负载分析，也称为图形汇编语言av ec建模，转换，颜色模式设置，光照和材质设置，纹理映射，位图显示和图像增强双缓存动画功能已成为OpenGL Vizserver所基于的行业标准。OpenGL Performer，OpenGL Volumizer，OpenGL Multipipe SDK API，Open Inventor和其他高级图形库，以适应不同的应用程序。[33]交叉编程语言开源3D计算机VTK图形，图像处理和可视化软件系统支持各种可视化算法，包括标量，矢量，张量，纹理等，以及建模技术先进的，包括内在模型，多边形的变形和编辑等; 3D图形功能强大：使用缓存，管道处理大量数据;交互式图形结构JGraph C上的工具和网络可视化部件++便携的，支持拖放，缩放，合并和其他交易的操作可用于所述图形结构的表示，诸如UML，机构图形等[14] JavaGoogleMaps API是免费的。发自定义地图并集成网站，实现各种显示和操作功能，如拖放，缩放，限制有效活动和缩放级别的数量，准确定位和显示由于纬度和经度，固定点的细节。[32] JavaScriptInfocrystal显示所有可能的二进制格式。
个概念继续存在。以随意设置可行性相关阈值和阈值，允许布尔逻辑表达式和图形向量空间查询创建复杂的查询表达式和块图（晶体，如正方形，三角形等）或将它们组织成层次结构[17] WIDAS基于双曲线树的理论[2，5]。集成了可视化和信息检索功能，提高了用户对网络信息可视化检索的准确性和效率。被认为是一种有效的网页浏览工具。[5]其他搜索可能性。La visualisation interactive de la récupération dinformations (en particulier la visualisation du processus de récupération) est indissociable du comportement de lutilisateur et la motivation de lutilisateur est un facteur clé pour prévoir son utilisation des moteurs de recherche. La recherche fait actuellement défaut [15]. Améliorez linteraction homme-machine pour obtenir une extraction interactive (par exemple， en ajustant la manière dont le document est affiché) pour aider les utilisateurs à comprendre la relation sémantique entre les documents et améliorer la précision [2]. Luo Longyan [3] a proposé une recherche visuelle afin de fournir un mécanisme efficace de rétroaction des utilisateurs， ainsi quune approche complète de la navigation et de la récupération. Evaluation du moteur de recherche visuel Sun Hao [16]， Wang Wei [36] a proposé une évaluation du modèle de moteur de recherche visuel pour vérifier si lutilisateur a besoin [16]， identifier les objets dans lenvironnement visuel， extraire les attributs， définir les systèmes de coordonnées， concevoir un cadre sémantique et développer les informations visuelles. Si la méthode de récupération est synthétisée de manière transparente， si les données sont affichées de manière suffisante， claire et précise， si les attributs importants et les jeux de données originaux sont pleinement exprimés， si laffichage visuel est significatif， traductible et interprétable， et si la méthode de récupération dinformations interactive est mieux intégrée dans lenvironnement visuel. [36]， les outils et les modèles de visualisation de la recherche dinformations sont diversifiés; Mo Xinying [4] estime que lévaluation des moteurs de recherche visuels est rare et difficile à progresser， principalement en raison de la diversité des modèles de visualisation (structure de données spécifique， caractéristiques et traitement des données， évaluation Difficile à réaliser)， en visualisant la complexité de l’environnement (le processus de récupération est plus complexe que l’environnement visuel traditionnel)， l’évaluation traditionnelle n’est pas adaptable (technologie de moteur de recherche visualisée， principes matures， flambée du volume d’informations en ligne， métadonnées matures， commercialisation， nécessité de construire Critères d’évaluation unifiés); Pan Qingchao [37] estime qu’il devrait être Les moteurs de recherche existants évaluent le programme de construction du système dévaluation des moteurs de recherche visuelle. En conclusion， cet article présente la connotation， le contenu principal et le cadre de recherche du moteur de recherche visuel， et expose les progrès de la recherche du moteur de recherche visuel national sous deux aspects: système darchitecture et technologie clé: système darchitecture y compris architecture (structure multiusage de BS， introduction du data mining) )， modules fonctionnels (y compris extraction d’informations， prétraitement de données， traitement visuel， récupération d’utilisateur， gestion d’arrière-plan)， mécanisme de fonctionnement (principalement collecte et extraction d’informations， prétraitement de données， cartographie visuelle， génération et affichage de résultats de recherche visuelle); technologies clés Cela inclut principalement le clustering， la cartographie visuelle， laffichage visuel， les outils de visualisation， etc. La technologie de visualisation existante est encore immature (manque de bases théoriques solides， recherche systématique， prise en compte insuffisante des besoins des utilisateurs， des intérêts， etc.)， en particulier la technologie de modèle dabstraction élevée De nombreux modèles de visualisation classiques ne peuvent pas être facilement appliqués， ce qui nuit considérablement à lefficacité de lextraction， à la satisfaction des utilisateurs， et entrave le développement dapplications de visualisation dextraction. Ensuite， lauteur analysera systématiquement les progrès de la recherche des moteurs de recherche visuels nationaux sous trois aspects: organisation des ressources de visualisation， mécanisme de visualisation et représentation visuelle， à des fins de référence et de recherche. Références [1] Sun Wei， Zhang Xuefu， Conception et mise en oeuvre dun système de visualisation de récupération dinformations basé sur une citation [J] .Journal of Information， 2008，27 (6): 70-72，76. [2] Qin Xuemei， Gao Fan， Chen Lieying. Recherche d’informations visuelles [J] .Bibliothèque et service d’information， 2002，46 (4): 89 à 92. [3] Luo Longyan. Recherche préliminaire sur la recherche d’informations basée sur la technologie de visualisation [J] .Nouvelle bibliothèque et les technologies de l’information， 2002， (4): 36 -38，30. [4] 新 英 .Comparaison de la récupération traditionnelle dinformations visuelles et visuelles [J] .Développement de linformation scientifique et technologique et économie， 2003，13 (3): 1-2. [5] Cao Jindan， Wang Liwei， Qi Yan Li.Application de la technologie de visualisation à la recherche dinformations sur le réseau [J] .Journal of Information， 2005， 24 (8): 113-116. [6] Sun Jieli， Zhu Zhiqing.Recherche sur un système de visualisation basé sur la technologie dexploration de données [J]. Modern Intelligence， 2008， 28 (3): 106-109. [7] Zhang Xuemei， Wang Weiwei. Recherche sur le système de visualisation et de récupération de périodiques basé sur lontologie [J].子 世界， 2012 (22): 121-123. [8] Rao Wenxing.Recherches sur la plate-forme visuelle de récupération dannuaire multilingue [D] .Nanning: Université des nationalités du Guangxi， 2013. [9] Yu Yuanfang. Technologie de recherche dinformation de récupération de documents Recherche [D]. Zhengzhou: Institut de technologie de Zhongyuan， 2015. [10] Wang Wei. Discussion sur la visualisation de la récupération dinformations [J].， Enterprise Herald， 2012， (8): 249 à 249. [11] Zhou Ning， Wen Yan Ping， Yan Yalan.Étude sur la visualisation de la recherche dinformation [J] .Information Science.2004，22 (2): 138-142. [12] OU Liang.Examen de la visualisation de la recherche dinformation [J] .Information Exploration， 2011， (3): 83-87. [13] Wu Na. Recherche et application de lanalyse des résultats de recherche vidéo et de sa méthode de visualisation [D]. Shanghai: Université Donghua， 2009. [14] Wang Mengjun. Recherche en visualisation dinformations sur lextraction WWW et application au domaine du crédit [ D]. Hangzhou: Université de technologie du Zhejiang， 2010. [15] Zhu Yunxia: Analyse du statu quo et de la tendance de développement de la visualisation de récupération dinformations en Chine [J]， Information Exploration， 2012， (8): 112-115. [16] Sun Wei. Recherche sur le système de visualisation des informations récupérées à partir de citations [D]. Harbin: Université du Heilongjiang， 2007. [17] Zhang Xuemei. Recherche sur la récupération sémantique et le système de navigation visuelle des articles de journaux [D]. Nanjing: Université agricole de Nanjing， 2010. [18] Han Lihua Étude de plusieurs problèmes defficacité de la visualisation dinformations de récupération [D]. Harbin: Heilongjiang University， 2008. [19] Feng Xiaoqin. Lettre basée sur un modèle dacceptation technologique. Recherche sur la visualisation de récupération [D]. Wuhan: Université normale de Chine centrale， 2009. [20] Li Chunwang. Technologie de visualisation de récupération dinformations [J]. Bibliothèque moderne et technologie de linformation， 2003， (6): 44-46， 49. [21] Wen Yan Ping.WWW Principe de visualisation de la recherche dinformations， recherche [J] .Bibliothèque moderne et technologies de linformation， 2005， (4): 10-13，50. [22] Zhang Jin， Yuan Zelin， Lu Wei.Le chemin principal de la visualisation de la recherche dinformations [J]. Library and Information Science， 2008， (5): 24-27. [23] Chen Ying. Recherche et mise en œuvre dun système de visualisation dextraction dinformations chinois basé sur des informations résumées [D]. Harbin: Université de Heilongjiang， 2007. [24] Wang Shenghui， Wang Shangfei. Algorithme génétique interactif visualisé par Wang Yufa et son application à la récupération sensible à limage [J] .Mini-micro Systems， 2004，25 (3): 399-403. [25] Wang Wei.Research sur la plate-forme de visualisation de la récupération dinformations textuelles agricoles [D]. Xianyang: Université Northwest A & F， 2015. [26] Zhou Ning， Liu Wei. Recherche sur le modèle de restitution dinformations de parole visualisée [J]. Bibliothèque moderne et technologies de linformation， 2006， (2): 46-49. [27] Zhang Xuefu.Étude sur les problèmes fondamentaux de la visualisation de la recherche dinformations [J] .Journal de la bibliothéconomie en Chine， 2006，32 (3): 37-40. [ 28] SUN Wei， ZHANG Xue-fu. Analyse comparative du système de corrélation visuelle de la récupération dinformations basé sur la citation [J] .Information Studies and Practice， 2008，31 (4): 598-601. [29] Chen Yongyue， Zhou Ning， Xia Huosong. Recherche de connaissances. Recherche sur lextraction de connaissances et la visualisation [J] .Information Science， 2010，28 (11): 1719 à 1723. [30] Guo Weibing， Zhu Yihua. Construction et vérification dun modèle de recherche et de navigation dans les ressources pédagogiques basé sur la visualisation dinformations [J]. Educational Technology， 2011， 21 (2): 121-124. [31] Rao Wenxing. Caractéristiques et tendance de développement du système de récupération multilingue visualisé à létranger [J]. Science et technologie Développement et économie de linformation， 2015， 25 (11): 93-95 99. [32] Zhang Yang. Recherche sur la plate-forme de visualisation de la recherche agricole [D]. Hefei: Université des sciences et technologies de Chine， 2010. [33] Zhang Xuefu. Outils de développement visuel de la récupération dinformations [J]. Modern Information， 2005， 25 (11). ): 38-41. [34] Cui Jie. Recherche sur le système de récupération de la visualisation de documents basé sur le principe de lanalyse de mots associés [J].兰台 世界， 2009 (S1): 90-90. [35]， 聂晨光， 龙Wen Lei et ses collaborateurs Technologie de visualisation des informations dans les résultats des moteurs de recherche Conception dapplications de sortie systématisées [J] Chine Information de gestion ， 2015， 18 (13): 211 à 213. [36] Wang Wei. Modèle de visualisation de récupération de linformation [J]. Success (Education)， 2012， (6): 229 à 229. [37] Pan Qingchao. Enquête sur la visualisation de la recherche dinformation [J] .Recherche de bibliothéconomie， 2010， (12): 7-9，14."
本文转载自
宁波网站优化www.leseo.net
补充词条：
宁波seo网站优化
宁波谷歌seo
宁波网站seo优化
宁波谷歌优化
宁波seo优化公司
