基于查詢?nèi)罩镜挠脩舨樵円鈭D檢測(cè).pdf

1、搜索引擎已經(jīng)成為人們?cè)诰W(wǎng)絡(luò)上獲取信息不可或缺的工具。隨著社會(huì)的發(fā)展和科技的更迭，搜索引擎返回的結(jié)果由剛開(kāi)始的簡(jiǎn)單字符匹配發(fā)展到現(xiàn)在的語(yǔ)義的相關(guān)。用戶查詢是搜索引擎接收到的來(lái)自用戶的最重要的信息，通過(guò)對(duì)用戶查詢的意圖識(shí)別，搜索引擎就能夠在用戶輸入較少的查詢關(guān)鍵詞的情況下，返回對(duì)于用戶來(lái)說(shuō)最相關(guān)的結(jié)果，從而提升搜索引擎的用戶體驗(yàn)。
　　本文以CIKM 2014 Query Intent Detection比賽為依托，詳細(xì)地介紹了目前用

2、戶查詢意圖檢測(cè)的意義和挑戰(zhàn)，并且通過(guò)對(duì)用戶搜索日志記錄的挖掘來(lái)解決用戶查詢較短、缺乏足夠的語(yǔ)義信息的問(wèn)題。由于比賽使用的數(shù)據(jù)集經(jīng)過(guò)編碼，導(dǎo)致常用的分詞算法無(wú)法直接使用，本文采用基于k-gram和end-gram的方法提取詞項(xiàng)并使用信息增益等方法進(jìn)行了特征選擇，最終構(gòu)建詞袋模型。然后，通過(guò)計(jì)算用戶查詢對(duì)應(yīng)的文檔中每個(gè)詞項(xiàng)的TFIDF權(quán)重構(gòu)成該文檔的特征向量。最后，使用線性的支持向量機(jī)作為分類的模型。由于本次比賽共包含7個(gè)分類，并且用戶查詢