搜索日志中查詢(xún)分類(lèi)與優(yōu)化.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，越來(lái)越多網(wǎng)絡(luò)用戶(hù)通過(guò)搜索引擎從互聯(lián)網(wǎng)上獲取信息。用戶(hù)提交的查詢(xún)串體現(xiàn)著用戶(hù)的查詢(xún)需求，是用戶(hù)與搜索引擎的重要溝通橋梁。因此，對(duì)于搜索引擎來(lái)說(shuō)，準(zhǔn)確理解用戶(hù)提交的查詢(xún)串，返回令用戶(hù)更加滿(mǎn)意的結(jié)果，是提高搜索引擎質(zhì)量的必要條件。
　　搜索日志記錄了用戶(hù)從互聯(lián)網(wǎng)獲取信息的全部過(guò)程，能真實(shí)地反映用戶(hù)檢索行為，是挖掘用戶(hù)需求的一種有效資源。所以，通過(guò)分析用戶(hù)搜索日志，更好地理解用戶(hù)的查詢(xún)需求是當(dāng)前的一個(gè)研究熱點(diǎn)。本

2、文通過(guò)對(duì)搜索日志進(jìn)行研究，提出了三種方法，分別對(duì)用戶(hù)查詢(xún)串進(jìn)行意圖分類(lèi)和主題分類(lèi)，并結(jié)合句法分析，對(duì)用戶(hù)查詢(xún)串進(jìn)行查詢(xún)優(yōu)化，以此來(lái)提高搜索引擎質(zhì)量，提高用戶(hù)滿(mǎn)意度。
　　1)提出一種基于用戶(hù)行為分析的查詢(xún)意圖識(shí)別方法。將查詢(xún)意圖識(shí)別視為一個(gè)分類(lèi)問(wèn)題，分析搜狗查詢(xún)?nèi)罩景l(fā)現(xiàn):信息事務(wù)類(lèi)查詢(xún)串點(diǎn)擊的不同頁(yè)面數(shù)較多，分布呈現(xiàn)多極值性;導(dǎo)航類(lèi)查詢(xún)串點(diǎn)擊的不同頁(yè)面數(shù)較少，分布呈現(xiàn)單極值性;同時(shí)，導(dǎo)航類(lèi)查詢(xún)結(jié)果中，子頁(yè)面噪聲對(duì)查詢(xún)分類(lèi)結(jié)果產(chǎn)生嚴(yán)

3、重干擾。根據(jù)以上特點(diǎn)，提出“不同頁(yè)面點(diǎn)擊數(shù)”、“點(diǎn)擊分布值”和“異源頁(yè)面點(diǎn)擊數(shù)”三個(gè)特征，并結(jié)合前人研究，利用C4.5算法訓(xùn)練分類(lèi)器，進(jìn)行查詢(xún)意圖識(shí)別。實(shí)驗(yàn)結(jié)果中查詢(xún)分類(lèi)的整體正確率達(dá)到90％，與Baseline相比，提高了8.5％。
　　2)提出一種基于偽相關(guān)反饋的查詢(xún)主題分類(lèi)方法。利用搜索引擎?zhèn)蜗嚓P(guān)反饋技術(shù)，得到查詢(xún)串?dāng)U展文本，通過(guò)分析抽取的擴(kuò)展文本特征，定義部分匹配規(guī)則對(duì)其量化，形成空間向量;結(jié)合文本向量特征，給予抽取的特征

4、相應(yīng)的影響因子，提出一種向量空間壓縮算法，對(duì)特征進(jìn)行融合，形成壓縮后的空間向量，并分別利用向量余弦?jiàn)A角和SVM模型對(duì)其進(jìn)行分類(lèi)，以驗(yàn)證所提方法的有效性。實(shí)驗(yàn)結(jié)果中準(zhǔn)確率、召回率、F值和整體正確率分別達(dá)到90.34％、89.34％、89.67％和89.24％。
　　3)提出一種結(jié)合句法分析的查詢(xún)優(yōu)化策略。利用哈工大LTP句法分析器，對(duì)查詢(xún)串進(jìn)行句法分析，統(tǒng)計(jì)查詢(xún)串詞性規(guī)則，找出查詢(xún)串焦點(diǎn)，并利用搜索引擎高級(jí)檢索功能對(duì)查詢(xún)串進(jìn)行改寫(xiě)。