基于用戶搜索歷史的個(gè)性化信息檢索研究.pdf

1、個(gè)性化信息檢索針對(duì)用戶個(gè)人興趣偏好優(yōu)化文檔排序，被認(rèn)為是現(xiàn)有搜索引擎改善用戶檢索體驗(yàn)的一種有效途徑。個(gè)性化信息檢索以用戶為中心提供有針對(duì)性的檢索結(jié)果，因此不僅考慮查詢和文檔的匹配度，還考慮文檔和用戶興趣偏好的匹配度。用戶歷史包含用戶豐富的信息，是獲取用戶興趣偏好的最佳途徑，成為個(gè)性化信息檢索研究的焦點(diǎn)。為了探索不同的用戶歷史在檢索中的作用，本文量化分析了用戶歷史與檢索結(jié)果的相關(guān)性，探討了如何利用短期歷史、長期歷史、以及綜合利用二者以提高

2、個(gè)性化檢索性能的方法。
　　1）針對(duì)用戶歷史與檢索結(jié)果的關(guān)系，量化分析了用戶長短期歷史與用戶查詢和點(diǎn)擊的相關(guān)性。本文采用向量空間模型框架，從以下四個(gè)方面分析了用戶長短期歷史與查詢和點(diǎn)擊的關(guān)系：相關(guān)比例、相關(guān)程度、是否存在線性關(guān)系和具體內(nèi)容上的差異。分析發(fā)現(xiàn)79.55％的查詢可以從用戶歷史中獲取相關(guān)信息，其中短期歷史覆蓋的比例較大（71.23%），相關(guān)程度也較高；而針對(duì)同一個(gè)查詢，不同的用戶歷史所提供的相關(guān)信息不盡相同，彼此的結(jié)合有

3、可能進(jìn)一步提高檢索性能。
　　2）針對(duì)如何合理利用短期歷史的問題，提出了一種短期歷史權(quán)重自適應(yīng)的個(gè)性化檢索方法。為了合理分配短期歷史權(quán)重，本文以短期歷史和當(dāng)前查詢的相關(guān)強(qiáng)度為核心依據(jù)，以當(dāng)前查詢、短期歷史查詢、短期歷史點(diǎn)擊三個(gè)維度上的用戶行為特征為線索，建立了 SVM回歸模型對(duì)短期歷史的權(quán)重進(jìn)行預(yù)測。實(shí)驗(yàn)表明，該方法能夠根據(jù)具體的檢索環(huán)境為每個(gè)查詢的短期歷史動(dòng)態(tài)分配權(quán)重，有效提升了個(gè)性化檢索性能。
　　3）針對(duì)如何有效利用長

4、期歷史的問題，本文引入增量層次聚類算法對(duì)長期興趣建模，并在此基礎(chǔ)上建立新的查詢模型。長期歷史內(nèi)容豐富但主題相對(duì)分散，并隨著用戶的使用不斷積累更新，因此長期歷史中包含很多與當(dāng)前查詢無關(guān)的內(nèi)容。針對(duì)該問題，本文采用增量層次聚類算法漸進(jìn)地構(gòu)建用戶長期興趣樹，并使用對(duì)當(dāng)前檢索有最大幫助的興趣簇估計(jì)長期興趣模型，從而對(duì)用戶查詢進(jìn)行有益補(bǔ)充。實(shí)驗(yàn)證明，基于長期歷史增量層次聚類的個(gè)性化檢索方法顯著優(yōu)于現(xiàn)有基于長期歷史的檢索方法，在一定程度上解決了具有

5、多樣性和動(dòng)態(tài)性的長期歷史的利用問題，改善了個(gè)性化檢索性能。
　　4）在上述研究的基礎(chǔ)上，設(shè)計(jì)了一種基于用戶長短期歷史融合的個(gè)性化檢索框架。用戶長短期歷史對(duì)檢索結(jié)果的作用不同，本文的模型將二者的不同作用綜合作用于查詢和文檔，一方面根據(jù)長短期歷史更準(zhǔn)確地估計(jì)用戶查詢，另一方面考慮了文檔相對(duì)于用戶的重要性差異。實(shí)驗(yàn)中全面比較了不同用戶歷史的各種組合，結(jié)果表明長短期歷史融合作用于查詢的效果優(yōu)于只使用一種歷史的情況，而同時(shí)作用于查詢和文檔可