查詢意圖識別的關鍵技術研究.pdf

1、隨著網絡上信息的爆炸式增長，搜索引擎扮演著越來越重要的角色。當前的搜索引擎主要是通過計算用戶查詢和文檔的相似度來返回檢索結果的。然而基于相似度的搜索方式僅僅會返回包含查詢關鍵詞的網頁，而沒有對查詢背后用戶真正的需求進行識別與匹配。對于具有復雜信息需求的查詢，搜索引擎返回的搜索結果往往包含有較多不符合用戶需求的噪聲網頁，從而無法充分滿足用戶需求。因此，進行用戶查詢意圖識別的相關研究，深入理解用戶的查詢意圖是十分必要的。
　　到目前為

2、止，使用最為廣泛的意圖類別體系是Broder提出的“信息類，導航類，事務類”這三種意圖類型。本文對查詢意圖的類別進行了新的定義，新定義的意圖類別體系是基于某一特定的領域的，本文定義的查詢意圖分為三類:獲取實體的屬性值、查找某個實體的相關信息以及對某一實體的操作。本文的研究工作主要圍繞下面兩點進行:第一，通過分類的方法對查詢進行領域識別;第二，在特定領域下，對查詢的意圖類型進行識別，并抽取查詢關鍵詞，最后生成查詢意圖解析結果。
　　

3、查詢領域識別的問題轉化為查詢的分類問題，但是對查詢進行分類主要存在兩個問題:首先，用戶查詢的長度較短，從查詢中所能抽取到的特征比較稀疏;其次，基于機器學習的分類方法需要一定規(guī)模的訓練數據，而人工地對大規(guī)模的查詢進行領域標注是不現實的。本文借助百度百科中的在線知識對查詢進行特征擴展，解決了查詢特征稀疏的問題;本文利用網頁分類導航網站對網頁URL進行領域標注，對查詢日志進行統(tǒng)計分析，得到查詢點擊URL的分布，根據URL所屬領域實現對查詢領域

4、的自動標注。
　　特定領域下查詢意圖的識別是本文研究的另一個重點。首先，本文構建了基本概念體系和領域意圖知識庫，基本概念體系不僅對通用的詞匯（比如時間、地點等）進行了概念抽象，同時也對領域內的專名詞典構筑了概念體系;領域意圖知識庫的構建需要對領域內實體、屬性、意圖特征模板進行挖掘。其次，基于基本概念體系和領域意圖知識庫，對某一領域的查詢進行意圖解析，并抽取查詢關鍵詞，生成查詢意圖解析結果。
　　綜上，本文的貢獻度主要表現在: