搜索引擎中的实体推荐关键技术研究

发布时间：2021-01-01 03:59

　　搜索引擎是获取信息的重要工具。近年来,为了更好地满足用户的信息获取需求,搜索引擎从最初只能被动地根据查询返回相关网页,逐步改进到能够主动地根据查询提供相关信息推荐。实体推荐,即以实体为粒度进行信息推荐,是其中推荐粒度最细且信息量最丰富的一种信息推荐形式。实体推荐旨在为用户提供与其查询存在直接或间接关系的实体列表,能够帮助用户拓展知识面,因而越来越受到用户的欢迎。因此,实体推荐不仅成为现代搜索引擎必不可少的功能之一,也正成为学术界重视的研究问题。在搜索引擎实体推荐系统中,不仅需要为用户提供与其查询相关的实体推荐结果,还需要对实体推荐结果进行恰当且合理的解释以帮助用户更好地理解推荐结果。相应地,搜索引擎中的实体推荐研究主要包含以下两个方面:（1）实体推荐算法,其目标是获取与查询相关的实体集合并对其进行排序;（2）实体推荐的可解释性,其目标是为实体推荐结果生成推荐理由,以提升推荐结果的可信度。针对上述问题,本文研究了实体推荐算法的改进以及推荐理由的生成两个方面的关键技术,具体包括:（1）适用于搜索引擎的大规模实体推荐算法,以及基于上下文优化实体推荐算法的具体策略;（2）实体对推荐理由的识别,... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：144 页

【学位级别】：博士

【部分图文】：

带有推荐理由的实体推荐结果示例

哈尔滨工业大学工学博士学位论文第 2 章 基于排序学习与信息新颖性增强的实体推荐2.1 引言近年来，实体推荐已经成为现代搜索引擎必不可少的功能之一。实体推荐系统的目标是根据用户输入的查询，在搜索结果中提供与之相关的实体搜索建议，帮助用户发现更多相关信息并扩展知识面，从而提升用户的搜索体验。图 2-1 显示了百度搜索引擎为查询 ‘‘奥巴马’’ 所提供的搜索结果。左侧区域展现的是与该查询相关的网页，而与该查询相关的实体推荐，则展现在右侧区域的 ‘‘相关人物’’ 中。这些推荐的实体，能够帮助用户更加便捷地找到与其搜索需求相关的信息，从而提升用户的信息发现体验。

章 基于深度多任务学习的上下文相关实来，为了进一步提升用户的搜索体验，大多数商业搜索引擎用户提供相关实体推荐。图 3-1 显示了一个百度搜索引擎为出的实体推荐结果示例。虽然这些实体推荐结果与 ‘‘芝加哥 ‘‘芝加哥（城市）’’ 存在很强的相关性，但当用户在同一个搜查询序列与 ‘‘芝加哥（城市）’’ 完全不相关时，这些实体推荐的真实信息需求相匹配。例如，当用户在搜索 ‘‘芝加哥’’ 之前话中输入了 ‘‘音乐剧猫’’ 或 ‘‘魔法坏女巫’’ 等音乐剧。在这类可能是想寻找与 ‘‘芝加哥（音乐剧）’’ 而非 ‘‘芝加哥（城市此可见，仍然推荐这些城市可能无法满足用户的信息发现需求


本文编号：2950912