基于搜索引擎日志的用户查询意图分类
发布时间：2021-10-30 11:32
为了搜索引擎能提供高质量检索,提出了一种查询意图自动分类模型。该模型将用户查询分为咨询、学术、资源、服务、导航和热点6类,建立了一套查询意图分类体系;在传统搜索引擎系统中加入查询意图处理模块,通过对用户查询意图的查询词信息（Qi）、点击URL信息（Cu）和基于某分类的URL点击排序（Cr）3个分类特征进行统计分析,提取其特征向量,进而推断出用户查询意图。通过在Sogou数据集上的试验表明,各类信息的查询分类效果F值均大于0.8,取得了较好的分类效果。
【文章来源】：指挥信息系统与技术. 2019,10(02)
【文章页数】：6 页
【部分图文】：
图１搜索引擎系统结构示意图
处理模块进行相关处理。查询意图分类是一个筛选、预处理、训练和最终分类的过程。Ｗｅｂ文本分类流程如图２所示，包括分类器训练和查询意图分类２个过程。图２Ｗｅｂ文本分类流程查询意图分类是一个通过具体指导进行学习的过程。设有查询意图分类体系Ｃ＝｛ｃ１，ｃ２，…，ｃｍ｝，对于用户的每个查询是由ｋ个特征分量（ｄｉ）和一个类别目标分量ｃｉ组成的向量，即ｑｉ＝（ｄ１，ｄ２，…，ｄｋ，ｃｉ），每个分量ｄｉ对应一个抽取的分类特征，根据已标注类别的查询训练数据集Ｑ＝｛ｑ１，ｑ２，…，ｑｎ｝进行训练学习。最终的分类器ｆ便是根据这些特征选用某种机器学习算法获得的。当用户输入一个查询ｑ时，选取同样的特征提取方式，用ｋ维特征向量表示，使用分类器ｆ来判断查询ｑ属于Ｃ中意图类别ｃｉ，表示为ｆ：｛ｑ｝→Ｃ。结合该方法中查询特征向量具有一定维度的情况，本文采用ＳＶＭ和最小距离分类法来完成学习分类器。１．３构建分类体系本文分类体系根据Ｓｏｇｏｕ搜索引擎日志实际情况，对Ｂｒｏｄｅｒ分类体系进行细化，在确保该分类体系完备性同时，使得该分类体系具有更优的独立不相关性。保留导航类，对信息类和事务类进行细分，分类体系最终包括如下６类：１）咨询类：涉及用户想得到的建议、想法或解答等知识性查询，如用户通过搜索引擎输入关键词“什么是Ｂｒｏｄｅｒ分类？”，希望获得Ｂｒｏｄｅｒ分类的知识。
ｃｏｍ）的中文分类网站目录及ＤＭＯＺ目录（ｗｗｗ．ｄｍｏｚ．ｏｒｇ）来识别这些ＵＲＬ的分类。分类目录（ｃｌａｓｓｉｆｉｅｄｄｉｒｅｃｔｏｒｙ）收录了网站名称、网站地址和相关介绍等信息，是帮助用户在网络中寻获信息的主题目录。一般地，只有网站或网站中重要版块的ＵＲＬ才会放到分类目录，即分类目录收录的ＵＲＬ往往层次较少。为了解决该问题，本文采用前缀匹配方式，每次对ＵＲＬ尾部进行一些删除处理。分类目录查询分类功能结构如图３所示。图３分类目录查询分类功能结构图３中，查询分类过程为：先将完整的待分类ＵＲＬ与分类目录中ＵＲＬ进行匹配，如果该ＵＲＬ完全匹配，则直接使用分类目录中对应的主题进行类别识别；如无法匹配，则对待分类ＵＲＬ后缀进行删减，删掉ＵＲＬ串中最后一个“／”后内容，再与分类目录中ＵＲＬ匹配；反复操作，直至在分类目录中获得匹配，或者该ＵＲＬ删掉所有“／”后在分类目录中仍无匹配记录。１．４．３ＵＲＬ点击排行１个查询可能点击多个ＵＲＬ，１个ＵＲＬ也可能被多个查询点击，这些行为均记录在查询日志中。多数情况下，用户会在获得满意结果时终止点击，因此最靠后的点击最接近用户的真实意图。除最后一次点击的ＵＲＬ外，很难确定曾经点击的ＵＲＬ接近用户真实意图的比重，然而可以确定的是越接近查询意图的ＵＲＬ获得的点击次数越多。假设用户共进行了ｎ次点击，本文按如下方法进行分类比重的划分：前ｎ－１次点击的ＵＲ
【参考文献】：
期刊论文
[1]基于维基百科的短文本相关度计算[J]. 荆琪,段利国,李爱萍,赵谦. 计算机工程. 2018(02)
[2]基于网络日志的用户查询推荐[J]. 王静. 河南科技. 2016(07)
[3]搜索引擎广告用户行为预测与特征分析[J]. 王海雷,贺一骏,俞学宁,张铭. 计算机应用研究. 2013(05)
[4]查询意图研究综述[J]. 陆伟,周红霞,张晓娟. 中国图书馆学报. 2013(01)
[5]基于URL主题的查询分类方法[J]. 张宇,宋巍,刘挺,李生. 计算机研究与发展. 2012(06)
[6]基于用户查询意图识别的Web搜索优化模型[J]. 杨艺,周元. 计算机科学. 2012(01)
博士论文
[1]查询意图自动分类与分析[D]. 张晓娟.武汉大学 2014
硕士论文
[1]基于搜索引擎日志的查询意图分类研究[D]. 张杨浩.西南大学 2016
本文编号：3466652
【文章来源】：指挥信息系统与技术. 2019,10(02)
【文章页数】：6 页
【部分图文】：
图１搜索引擎系统结构示意图
处理模块进行相关处理。查询意图分类是一个筛选、预处理、训练和最终分类的过程。Ｗｅｂ文本分类流程如图２所示，包括分类器训练和查询意图分类２个过程。图２Ｗｅｂ文本分类流程查询意图分类是一个通过具体指导进行学习的过程。设有查询意图分类体系Ｃ＝｛ｃ１，ｃ２，…，ｃｍ｝，对于用户的每个查询是由ｋ个特征分量（ｄｉ）和一个类别目标分量ｃｉ组成的向量，即ｑｉ＝（ｄ１，ｄ２，…，ｄｋ，ｃｉ），每个分量ｄｉ对应一个抽取的分类特征，根据已标注类别的查询训练数据集Ｑ＝｛ｑ１，ｑ２，…，ｑｎ｝进行训练学习。最终的分类器ｆ便是根据这些特征选用某种机器学习算法获得的。当用户输入一个查询ｑ时，选取同样的特征提取方式，用ｋ维特征向量表示，使用分类器ｆ来判断查询ｑ属于Ｃ中意图类别ｃｉ，表示为ｆ：｛ｑ｝→Ｃ。结合该方法中查询特征向量具有一定维度的情况，本文采用ＳＶＭ和最小距离分类法来完成学习分类器。１．３构建分类体系本文分类体系根据Ｓｏｇｏｕ搜索引擎日志实际情况，对Ｂｒｏｄｅｒ分类体系进行细化，在确保该分类体系完备性同时，使得该分类体系具有更优的独立不相关性。保留导航类，对信息类和事务类进行细分，分类体系最终包括如下６类：１）咨询类：涉及用户想得到的建议、想法或解答等知识性查询，如用户通过搜索引擎输入关键词“什么是Ｂｒｏｄｅｒ分类？”，希望获得Ｂｒｏｄｅｒ分类的知识。
ｃｏｍ）的中文分类网站目录及ＤＭＯＺ目录（ｗｗｗ．ｄｍｏｚ．ｏｒｇ）来识别这些ＵＲＬ的分类。分类目录（ｃｌａｓｓｉｆｉｅｄｄｉｒｅｃｔｏｒｙ）收录了网站名称、网站地址和相关介绍等信息，是帮助用户在网络中寻获信息的主题目录。一般地，只有网站或网站中重要版块的ＵＲＬ才会放到分类目录，即分类目录收录的ＵＲＬ往往层次较少。为了解决该问题，本文采用前缀匹配方式，每次对ＵＲＬ尾部进行一些删除处理。分类目录查询分类功能结构如图３所示。图３分类目录查询分类功能结构图３中，查询分类过程为：先将完整的待分类ＵＲＬ与分类目录中ＵＲＬ进行匹配，如果该ＵＲＬ完全匹配，则直接使用分类目录中对应的主题进行类别识别；如无法匹配，则对待分类ＵＲＬ后缀进行删减，删掉ＵＲＬ串中最后一个“／”后内容，再与分类目录中ＵＲＬ匹配；反复操作，直至在分类目录中获得匹配，或者该ＵＲＬ删掉所有“／”后在分类目录中仍无匹配记录。１．４．３ＵＲＬ点击排行１个查询可能点击多个ＵＲＬ，１个ＵＲＬ也可能被多个查询点击，这些行为均记录在查询日志中。多数情况下，用户会在获得满意结果时终止点击，因此最靠后的点击最接近用户的真实意图。除最后一次点击的ＵＲＬ外，很难确定曾经点击的ＵＲＬ接近用户真实意图的比重，然而可以确定的是越接近查询意图的ＵＲＬ获得的点击次数越多。假设用户共进行了ｎ次点击，本文按如下方法进行分类比重的划分：前ｎ－１次点击的ＵＲ
【参考文献】：
期刊论文
[1]基于维基百科的短文本相关度计算[J]. 荆琪,段利国,李爱萍,赵谦. 计算机工程. 2018(02)
[2]基于网络日志的用户查询推荐[J]. 王静. 河南科技. 2016(07)
[3]搜索引擎广告用户行为预测与特征分析[J]. 王海雷,贺一骏,俞学宁,张铭. 计算机应用研究. 2013(05)
[4]查询意图研究综述[J]. 陆伟,周红霞,张晓娟. 中国图书馆学报. 2013(01)
[5]基于URL主题的查询分类方法[J]. 张宇,宋巍,刘挺,李生. 计算机研究与发展. 2012(06)
[6]基于用户查询意图识别的Web搜索优化模型[J]. 杨艺,周元. 计算机科学. 2012(01)
博士论文
[1]查询意图自动分类与分析[D]. 张晓娟.武汉大学 2014
硕士论文
[1]基于搜索引擎日志的查询意图分类研究[D]. 张杨浩.西南大学 2016
本文编号：3466652
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3466652.html
