基于Term-Query-URL异构信息网络的查询推荐

发布时间：2017-12-27 09:41

本文关键词：基于Term-Query-URL异构信息网络的查询推荐　出处：《湖南大学学报(自然科学版)》2014年05期 　论文类型：期刊论文

【摘要】：查询推荐是一种帮助搜索引擎更好的理解用户检索需求的方法.基于查询的上下文片段训练词汇和查询之间的语义关系,同时结合查询和URL的点击图以及查询中的序列行为构建Term-Query-URL异构信息网络,采用重启动随机游走(Random Walk with Restart,RWR)进行查询推荐.综合利用语义信息和日志信息,提高了稀疏查询的推荐效果.基于概率语言模型构造查询的词汇向量,可以为新的查询进行查询推荐.在大规模商业搜索引擎查询日志上的实验表明本文方法相比传统的查询推荐方法性能提升约为3%~10%.
[Abstract]:Query recommendation is a way to help the search engine retrieval needs a better understanding of users. The semantic relations between words and context fragment training of query based on heterogeneous information network and construct the Term-Query-URL binding sequence behavior queries and URL queries, click on the map, with restart random walk (Random Walk with Restart, RWR) query recommendation. The comprehensive utilization of semantic information and log information, improves the effectiveness of the recommendation query. The query vector sparse lexical probability language model based on the structure, for the new query query recommendation. In the large-scale commercial search engine query log on the experiments show that this method is compared with the traditional query recommendation method to improve the performance of approximately 3%~10%.
【作者单位】：湖南大学信息科学与工程学院;湖南大学嵌入式系统与网络实验室;
【基金】：国家自然科学基金资助项目(61173036)
【分类号】：TP391.3
【正文快照】： 当前,搜索引擎主要基于关键词匹配的方法进行检索,然而,用户输入的查询难以准确完整的表达用户的检索意图.因此,如何理解用户真正的信息需求成为信息检索系统重要的任务之一.当用户提交查询关键字时,搜索引擎推荐一系列与原始查询相关的查询供用户选择,这一技术称为查询推荐.

【参考文献】