面向廣告搜索的高效索引結構.pdf

1、近年來,互聯(lián)網(wǎng)已經(jīng)成為廣告業(yè)的一個重要媒體途徑。如今很多互聯(lián)網(wǎng)門戶網(wǎng)站與搜索引擎(例如Google,Yahoo,百度等)均已成為重要的廣告提供者之一。在互聯(lián)網(wǎng)廣告中,搜索廣告(SponsoredSearch)是一個被普遍使用的模式。在搜索廣告的模式中,搜索引擎將推薦的廣告與用戶的查詢結果同時顯示。所顯示的廣告如與用戶需求相關,則有較大的概率被點擊,從而提高了用戶的滿意度,同時增加了廣告商與門戶網(wǎng)站的廣告收益。廣告數(shù)據(jù)具有其自身的特殊性。

2、相比于普通的文本數(shù)據(jù),廣告數(shù)據(jù)所包含的文本信息短少,其中一些競價詞出現(xiàn)的頻率很低。單純的文本匹配方法直接地根據(jù)文本包含關系返回結果,使得很大部分與用戶需求相關的廣告會因沒有包含特定的關鍵字而不能被搜索引擎返回,導致了搜索引擎返回結果數(shù)量的嚴重不足。因此廣告的搜索問題與傳統(tǒng)的文本搜索問題有很大的區(qū)別?，F(xiàn)今的搜索引擎提供了更復雜的技術,例如對關鍵字的聚類、擴展以及對用戶查詢的改寫等,以返回更多符合用戶需求的廣告。然而這些復雜技術的使用,同時

3、也對搜索引擎及其索引結構的效率提出了更高的要求。本文主要基于搜索廣告的互聯(lián)網(wǎng)廣告模式,提出了適合廣告數(shù)據(jù)特性的分塊索引結構。通過統(tǒng)計、分析廣告數(shù)據(jù)中競價詞的出現(xiàn)與分布規(guī)律,并結合競價詞的聚類信息對廣告文本數(shù)據(jù)的索引結構進行研究和設計。此索引結構改進了傳統(tǒng)的倒排索引,將競價詞的聚類信息編碼,并將其作為索引詞項。根據(jù)競價詞之間的相關關系決定其在索引中的存儲方式,使得搜索引擎可以支持更加高效的查詢擴展操作。同時設計了相應的結果排序機制,使搜索