基于搜索日志的用戶行為研究及應(yīng)用.pdf

1、搜索引擎的出現(xiàn)，成為互聯(lián)網(wǎng)發(fā)展史上又一個(gè)重要的里程碑。越來(lái)越多的互聯(lián)網(wǎng)用戶開始選擇搜索引擎作為其獲得網(wǎng)絡(luò)資源的首選工具。但是搜索引擎的表現(xiàn)并不總是盡如人意，很多時(shí)候當(dāng)用戶輸入一個(gè)查詢，搜索引擎返回成千上萬(wàn)個(gè)搜索結(jié)果，然而很少有用戶愿意瀏覽三頁(yè)以上的搜索結(jié)果。此外，由于用戶的水平存在較大差異，不少用戶構(gòu)造的查詢并不能完全表達(dá)其搜索意圖。對(duì)搜索日志的挖掘能夠有效的解決這一系列問(wèn)題。本文著眼于搜索日志的分析和應(yīng)用，主要對(duì)用戶搜索行為模型、搜索

2、行為分類、網(wǎng)頁(yè)排序算法的優(yōu)化、異常搜索行為的檢測(cè)等問(wèn)題進(jìn)行研究，論文工作主要包括以下幾個(gè)方面： (1)對(duì)搜索日志進(jìn)行基本分析，包括搜索日志各個(gè)屬性及其相互之間的關(guān)系，發(fā)現(xiàn)了大規(guī)模中文搜索引擎用戶的一些基本搜索特征。首次引入了中文分詞算法，使關(guān)于查詢?cè)~的分析結(jié)果更接近中文搜索引擎實(shí)際情況。首次分析了網(wǎng)頁(yè)URL深度和被點(diǎn)擊次數(shù)的關(guān)系，并根據(jù)對(duì)不同時(shí)期搜索日志的分析，發(fā)現(xiàn)了中文搜索引擎用戶的搜索行為變化趨勢(shì)。 (2)分別從抽象

3、和具體的角度對(duì)用戶的搜索行為進(jìn)行了分類。首次從搜索日志中提取用戶搜索行為模型，并從抽象的角度概括用戶搜索行為的各種表現(xiàn)形式。通過(guò)網(wǎng)頁(yè)分類的相似性及網(wǎng)頁(yè)向量的相似性對(duì)模型進(jìn)行了校正。為基于搜索行為的相關(guān)研究提供了基礎(chǔ)。引入了歷史查詢分析，并計(jì)算了歷史查詢的影響因子。 (3)提出了一種基于預(yù)定義類別的搜索分類算法，將基于樸素貝葉斯理論的網(wǎng)頁(yè)分類技術(shù)和用戶搜索日志相結(jié)合，使搜索分類能夠體現(xiàn)用戶的搜索意圖，并且克服了因查詢?cè)~過(guò)短以及詞語(yǔ)

4、多義性導(dǎo)致的分類誤差．將實(shí)時(shí)搜索歷史應(yīng)用于搜索分類，提高了分類的準(zhǔn)確率。 (4)提出了一種網(wǎng)頁(yè)排序優(yōu)化算法。該算法在原有網(wǎng)頁(yè)排序結(jié)果的基礎(chǔ)上，結(jié)合用戶搜索日志，采用混合頻繁模式樹算法，能夠有效發(fā)現(xiàn)搜索事務(wù)的關(guān)聯(lián)規(guī)則，并對(duì)查詢?cè)~進(jìn)行擴(kuò)展。選擇對(duì)原排序結(jié)果的前N個(gè)網(wǎng)頁(yè)進(jìn)行優(yōu)化排序，既保證了搜索結(jié)果的相關(guān)性和覆蓋率，同時(shí)使排序結(jié)果更能夠體現(xiàn)用戶的搜索需求。此外，將用戶搜索行為模型應(yīng)用于網(wǎng)頁(yè)排序優(yōu)化算法，通過(guò)計(jì)算歷史查詢?cè)~的影響因子，使