基于搜索日志的用戶語義本體構(gòu)建研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)信息技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)上的信息資源已經(jīng)達(dá)到海量級別，并且正呈指數(shù)級形式增長，海量網(wǎng)頁數(shù)據(jù)的結(jié)構(gòu)復(fù)雜性和用戶查詢詞簡短及語義模糊性等特點給現(xiàn)有搜索引擎的發(fā)展帶來了極大的挑戰(zhàn)。檢索系統(tǒng)如何能夠準(zhǔn)確的理解用戶輸入查詢詞的信息需求，根據(jù)不同用戶返回不同的檢索結(jié)果，即根據(jù)不同的用戶提供個性化的服務(wù)，這是用戶越來越關(guān)心的問題。要為用戶提供個性化的服務(wù)，就必須挖掘用戶的相關(guān)領(lǐng)域知識背景，為搜索引擎提供一個面向用戶的知識模型，即用

2、戶本體。一般情況下，搜索引擎搜集了大量的用戶搜索日志，這些數(shù)據(jù)記錄了用戶歷史查詢詞和對應(yīng)點擊網(wǎng)頁的信息，通過分析這些歷史數(shù)據(jù)，能夠挖掘出用戶的領(lǐng)域背景知識。本體(Ontology)作為語義網(wǎng)的關(guān)鍵技術(shù)，它通過提供一個領(lǐng)域的詞匯和形式概念，使得信息的共享和交互變得容易和簡單。
　　 本文的主要工作如下：
　　 首先，本文提出了一種新穎的用戶查詢詞語義相似度計算方法，采用AGNES(AgglomerativeNesting)

3、層次聚類算法，將用戶查詢詞按用戶個性化興趣和知識背景進(jìn)行主題分類。本文首先提出了基于用戶搜索日志的三種用戶查詢詞語義相似關(guān)系①基于用戶原始查詢詞本身的相似關(guān)系，②基于用戶擴展查詢詞的相似關(guān)系，③基于用戶點擊URLs的相似關(guān)系。通過分析這三種語義關(guān)系，將它們按照線性組合的方式組合，形成了一種新穎的計算用戶查詢詞語義相似度的方法?；谶@種用戶查詢詞語義相似度函數(shù)，利用AGNES層次聚類算法，將用戶查詢詞根據(jù)用戶搜索日志中所反映的主題進(jìn)行語義

4、主題聚類，從而達(dá)到消除用戶查詢詞語義模糊性的目的。
　　 其次，本文提出了一種利用用戶查詢詞語義主題聚類結(jié)果和WordNet通用本體建立一個用戶查詢詞興趣主題領(lǐng)域知識模型，即用戶語義本體(UserSemanticOntology)的方法。該方法過程如下①根據(jù)用戶查詢詞語義主題聚類結(jié)果，生成用戶原始查詢詞－用戶點擊文檔和擴展查詢詞－用戶點擊文檔之間的形式背景，②優(yōu)化擴展查詢詞－用戶點擊文檔之間的形式背景，合并原始查詢詞和優(yōu)化后的擴