基于用戶查詢?nèi)罩镜闹形幕ヂ?lián)網(wǎng)問句自動生成和查詢壓縮研究.pdf

1、隨著互聯(lián)網(wǎng)用戶和規(guī)模爆炸式增長，如何讓用戶更快捷的搜索到需要的信息成了學術界和搜索引擎公司共同關注的問題。搜索引擎上用戶查詢的形式是多種多樣的，如何正確的分析查詢是理解用戶意圖、幫助用戶得到信息的關鍵，有廣泛的應用前景和重要的地位，是目前研究的熱點。
　　用戶查詢?nèi)罩居涗浿兴阉饕嬗脩舻牟樵兒忘c擊行為，是分析用戶行為、改進搜索結(jié)果最有效的數(shù)據(jù)資源。本文應用中文搜索引擎的查詢?nèi)罩?，重點研究了基于查詢?nèi)罩镜膯柧渥詣由珊筒樵儔嚎s方

2、法，主要內(nèi)容如下：
　　第一，基于互動類問答知識庫的中文查詢問句自動生成。互動類問答知識庫的出現(xiàn)為用戶提供了獲得高質(zhì)量知識的途徑，用戶可以在上面提問、回答和評價他人對問題的答案。為改進互動類問答知識庫的搜索并擴大其問題的數(shù)量，我們提出了一種問句自動生成的方法，該方法從用戶查詢?nèi)罩局型谌柧淠０?，建立查詢到模板的評分機制，當查詢到來時找到與之最相關的模板，并將該查詢嵌入模板中。實驗結(jié)果顯示我們的方法的1-best準確率為67％，比互

3、動類問答知識庫百度知道的搜索算法效果更好。
　　第二，基于用戶查詢?nèi)罩局形牟樵儔嚎s。互聯(lián)網(wǎng)搜索引擎的查詢有越來越長的趨勢，并且長查詢由于含有冗余信息搜索結(jié)果相對不佳，為此我們研究長查詢壓縮技術。將長查詢分詞，利用有監(jiān)督機器學習的方法以詞為單位判斷這個詞是否為查詢中的關鍵成分。分別采用基于支持向量機的分類方法和基于條件隨機域模型的序列化標注方法，實驗對比兩種方法的結(jié)果，序列化標注方法的效果更好。同時，通過分析不同特征對關鍵成分識別的