百科知識與統(tǒng)計方法結合的查詢意圖分類.pdf

1、隨著互聯(lián)網(wǎng)上資源和服務的日益增多，人們常常需要借助于搜索引擎來查找相關信息。通用搜索引擎返回的結果包含了大量的雜質信息，用戶通常還需要從中篩選符合自己查詢意圖的結果。垂直搜索引擎雖然能返回某一領域的精準答案，但是當用戶具有多個查詢意圖時，需要提交到多個垂直搜索引擎才能得到較為全面的檢索結果。如果通用搜索引擎能準確地分類用戶的查詢意圖，進而有針對性的整合一個或多個垂直搜索引擎的結果，并且用不同的方式來展示，則能夠提高用戶的搜索滿意度。

2、r>　　傳統(tǒng)的意圖分類方法通?；诮y(tǒng)計機器學習，如果要獲得較好的效果則需要大量的人工標注語料。本文通過引入百科知識，在無需大量人工標注的情況下從非統(tǒng)計和統(tǒng)計兩個角度來解決意圖分類問題。主要內容包括以下幾個方面：
　　第一，本文分析了傳統(tǒng)意圖分類算法面臨的幾大難題，提出了一種基于百科知識的意圖分類算法。算法將用戶查詢和意圖類別分別映射到百科表示空間中，并在此表示空間中使用非統(tǒng)計方法來分類查詢意圖。最后通過與傳統(tǒng)意圖分類算法的對比實驗

3、來說明該方法的有效性和優(yōu)越性。
　　第二，本文針對統(tǒng)計分類方法需要大量人工標注數(shù)據(jù)的局限性，利用每個意圖類別的大規(guī)模種子詞條來模擬真實的用戶查詢，并以此來訓練統(tǒng)計分類器。在相同標注數(shù)據(jù)規(guī)模下，通過與用真實用戶查詢訓練的分類器進行比較說明該方法的有效性。
　　第三，本文融合兩種不同的意圖分類方法的優(yōu)點，組合為一個性能更優(yōu)的意圖分類器，并通過在相同數(shù)據(jù)集上的對比實驗來說明融合后帶來的優(yōu)勢。本文在傳統(tǒng)搜索引擎的基礎上，首先根據(jù)意圖