基于大規(guī)模搜索日志挖掘的上下文感知搜索研究.pdf

1、近年來(lái)，搜索引擎已經(jīng)成為Web用戶主要的信息檢索工具。但因?yàn)橛脩舻牟樵冊(cè)~往往較短并且包含歧義，有效的理解用戶的信息需求仍然是一個(gè)未解決的問(wèn)題。上下文感知搜索技術(shù)是一種新穎的改進(jìn)現(xiàn)有搜索技術(shù)的途徑。這里的上下文特指查詢會(huì)話上下文。這種技術(shù)基于一個(gè)普遍的現(xiàn)象：同一查詢會(huì)話內(nèi)的查詢?cè)~利點(diǎn)擊記錄往往具有很強(qiáng)的關(guān)聯(lián)關(guān)系。本文對(duì)于利用查詢會(huì)話上下文來(lái)幫助理解用戶信息需求的問(wèn)題進(jìn)行了系統(tǒng)的研究，其研究成果可以廣泛用于改進(jìn)各種搜索服務(wù)。
　　

2、首先，本文提出了一種新的上下文感知的查詢建議方法。查詢建議在改善搜索引擎可用性上扮演著重要角色。盡管近年來(lái)對(duì)查詢建議的研究較多，但這些方法都不是上下文感知的。也就是說(shuō)，它們都沒(méi)有考慮把剛剛提交的一些查詢?cè)~作為上下文。本文提出的方法包含兩個(gè)步驟。在離線步驟中，為了解決數(shù)據(jù)系稀疏性的問(wèn)題，通過(guò)查詢?cè)~聚類，查詢?cè)~被歸納為查詢概念。接著，該方法從查詢會(huì)話數(shù)據(jù)中建立一棵查詢概念序列后綴樹(shù)。這就是離線的查詢建議模型。在在線步驟中，通過(guò)將查詢?cè)~序列映

3、射為查詢概念序列，該方法可以捕獲用戶的查詢上下文。通過(guò)在查詢概念序列后綴樹(shù)中尋找映射得到的查詢概念序列，陔方法提供給用戶上下文感知的查詢建議。本文在一個(gè)包含18億查詢?cè)~，26億點(diǎn)擊記錄和8.4億查詢會(huì)話的大規(guī)模搜索引擎日志上測(cè)試了該方法。結(jié)果表明這種新方法在覆蓋率和查詢建議的質(zhì)量上都好于兩種基準(zhǔn)方法。
　　 其次，本文提出了一種上下文感知的查詢?cè)~分類方法。Web查詢?cè)~分類目前已經(jīng)被廣泛研究。先前大多數(shù)算法只對(duì)單個(gè)的查詢?cè)~進(jìn)行分類

4、而不考慮查詢上下文。但是，由于查詢?cè)~通常很短并有歧義，在不給定上下文信息的情況下，其真實(shí)搜索意圖是不確定的。本文利用條件隨機(jī)場(chǎng)(CRF)模型把上下文信息引入查詢?cè)~分類問(wèn)題當(dāng)中。本文還在真實(shí)數(shù)據(jù)上作了全面的實(shí)驗(yàn)來(lái)驗(yàn)證此方法的效率和效果。實(shí)驗(yàn)結(jié)果顯示此方法在F1評(píng)分下性能比現(xiàn)有的基準(zhǔn)方法提高了52％。
　　 最后，本文提出了一種上下文感知的網(wǎng)頁(yè)排序方法。網(wǎng)頁(yè)排序是搜索引擎的核心技術(shù)之一。上下文感知的排序可能顯著的改進(jìn)網(wǎng)頁(yè)排序。為了捕