基于用戶意圖識別的查詢重構(gòu)研究.pdf

1、如今，搜索引擎能夠幫助用戶從網(wǎng)絡(luò)上獲取所需信息，大大地緩解用戶信息焦慮。但是用戶輸入的查詢詞簡短，容易產(chǎn)生模糊歧義性，基于查詢關(guān)鍵字匹配的搜索引擎無法識別一詞多義情況。查詢重構(gòu)技術(shù)是識別查詢詞背后真正用戶意圖的一個解決方案。然而，在查詢重構(gòu)技術(shù)中，會話切分的方法存在一定缺陷，基于會話共現(xiàn)信息生成的候選查詢，更容易偏離原查詢的用戶意圖，導致通過查詢重構(gòu)識別的用戶意圖存在交叉重疊問題。
　　通過對查詢重構(gòu)相關(guān)的理論和技術(shù)進行深入研究，

2、基于AOL查詢?nèi)罩?，?gòu)造了用戶意圖識別的查詢重構(gòu)模型。該模型主要解決如何進行用戶意圖的切分、如何識別出能表達原查詢用戶意圖的查詢重構(gòu)、如何對識別的用戶意圖進行聚類等三個問題。由于現(xiàn)有的算法存在一些不足，論文重點對構(gòu)造的模型進行改進，具體如下:
　　該模型總共分三部分:查詢?nèi)罩镜臅捛蟹帧⒂嬎阍樵冊~查詢重構(gòu)及查詢重構(gòu)聚類。第一部分，為了解決詞匯相似度問題，融入查詢間點擊相似性特征。第二部分，為了解決查詢重構(gòu)表達不準確問題，另外考慮

3、查詢間的時間距離及查詢間點擊相似性等因素來計算原查詢與候選查詢關(guān)系。第三部分，針對查詢重構(gòu)識別的用戶意圖存在交叉重疊問題，提出查詢重構(gòu)聚類方法。然而，伴隨聚類也產(chǎn)生兩個問題:查詢重構(gòu)向量維數(shù)稀疏性和轉(zhuǎn)移概率計算不準確性。為了解決查詢重構(gòu)向量維數(shù)稀疏性的問題，通過對會話中查詢重構(gòu)詞和點擊URL構(gòu)造Query-URL圖，引入吸收態(tài)的馬爾科夫隨機游走模型對圖建模。為了解決轉(zhuǎn)移概率計算不準確的問題，綜合考慮URL、排序號、順序號三方面因素，參考