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，搜索引擎已經成為Web用戶主要的信息檢索工具。但因為用戶的查詢詞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未解決的問題。上下文感知搜索技術是一種新穎的改進現有搜索技術的途徑。這里的上下文特指查詢會話上下文。這種技術基于一個普遍的現象：同一查詢會話內的查詢詞利點擊記錄往往具有很強的關聯(lián)關系。本文對于利用查詢會話上下文來幫助理解用戶信息需求的問題進行了系統(tǒng)的研究，其研究成果可以廣泛用于改進各種搜索服務。
　　

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。盡管近年來對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，它們都沒有考慮把剛剛提交的一些查詢詞作為上下文。本文提出的方法包含兩個步驟。在離線步驟中，為了解決數據系稀疏性的問題，通過查詢詞聚類，查詢詞被歸納為查詢概念。接著，該方法從查詢會話數據中建立一棵查詢概念序列后綴樹。這就是離線的查詢建議模型。在在線步驟中，通過將查詢詞序列映

3、射為查詢概念序列，該方法可以捕獲用戶的查詢上下文。通過在查詢概念序列后綴樹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。本文在一個包含18億查詢詞，26億點擊記錄和8.4億查詢會話的大規(guī)模搜索引擎日志上測試了該方法。結果表明這種新方法在覆蓋率和查詢建議的質量上都好于兩種基準方法。
　　 其次，本文提出了一種上下文感知的查詢詞分類方法。Web查詢詞分類目前已經被廣泛研究。先前大多數算法只對單個的查詢詞進行分類

4、而不考慮查詢上下文。但是，由于查詢詞通常很短并有歧義，在不給定上下文信息的情況下，其真實搜索意圖是不確定的。本文利用條件隨機場(CRF)模型把上下文信息引入查詢詞分類問題當中。本文還在真實數據上作了全面的實驗來驗證此方法的效率和效果。實驗結果顯示此方法在F1評分下性能比現有的基準方法提高了52％。
　　 最后，本文提出了一種上下文感知的網頁排序方法。網頁排序是搜索引擎的核心技術之一。上下文感知的排序可能顯著的改進網頁排序。為了捕