搜索日志中查詢分類與優(yōu)化.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，越來越多網(wǎng)絡(luò)用戶通過搜索引擎從互聯(lián)網(wǎng)上獲取信息。用戶提交的查詢串體現(xiàn)著用戶的查詢需求，是用戶與搜索引擎的重要溝通橋梁。因此，對于搜索引擎來說，準(zhǔn)確理解用戶提交的查詢串，返回令用戶更加滿意的結(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從互聯(lián)網(wǎng)獲取信息的全部過程，能真實(shí)地反映用戶檢索行為，是挖掘用戶需求的一種有效資源。所以，通過分析用戶搜索日志，更好地理解用戶的查詢需求是當(dāng)前的一個研究熱點(diǎn)。本

2、文通過對搜索日志進(jìn)行研究，提出了三種方法，分別對用戶查詢串進(jìn)行意圖分類和主題分類，并結(jié)合句法分析，對用戶查詢串進(jìn)行查詢優(yōu)化，以此來提高搜索引擎質(zhì)量，提高用戶滿意度。
　　1)提出一種基于用戶行為分析的查詢意圖識別方法。將查詢意圖識別視為一個分類問題，分析搜狗查詢?nèi)罩景l(fā)現(xiàn):信息事務(wù)類查詢串點(diǎn)擊的不同頁面數(shù)較多，分布呈現(xiàn)多極值性;導(dǎo)航類查詢串點(diǎn)擊的不同頁面數(shù)較少，分布呈現(xiàn)單極值性;同時，導(dǎo)航類查詢結(jié)果中，子頁面噪聲對查詢分類結(jié)果產(chǎn)生嚴(yán)

3、重干擾。根據(jù)以上特點(diǎn)，提出“不同頁面點(diǎn)擊數(shù)”、“點(diǎn)擊分布值”和“異源頁面點(diǎn)擊數(shù)”三個特征，并結(jié)合前人研究，利用C4.5算法訓(xùn)練分類器，進(jìn)行查詢意圖識別。實(shí)驗結(jié)果中查詢分類的整體正確率達(dá)到90％，與Baseline相比，提高了8.5％。
　　2)提出一種基于偽相關(guān)反饋的查詢主題分類方法。利用搜索引擎?zhèn)蜗嚓P(guān)反饋技術(shù)，得到查詢串?dāng)U展文本，通過分析抽取的擴(kuò)展文本特征，定義部分匹配規(guī)則對其量化，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夾角和SVM模型對其進(jìn)行分類，以驗證所提方法的有效性。實(shí)驗結(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)合句法分析的查詢優(yōu)化策略。利用哈工大LTP句法分析器，對查詢串進(jìn)行句法分析，統(tǒng)計查詢串詞性規(guī)則，找出查詢串焦點(diǎn)，并利用搜索引擎高級檢索功能對查詢串進(jìn)行改寫。