元搜索中基于日志和语料的查询推荐模型的研究与实现

发布时间：2023-05-06 01:48

　　自人类进入二十一世纪以来,互联网产生了规模巨大的各类数据,且数据量仍在不断激增。搜索引擎可以帮助人们高效地从错综复杂的海量数据中获取到需要的信息。但是,单个搜索引擎往往查全率不高,不能完全满足用户的检索需求,而元搜索引擎通过整合各个成员搜索引擎返回的搜索结果,从而为用户提供覆盖率更高的检索结果。然而,在元搜索引擎中,用户输入的初始查询有时并不能准确表达其查询意图,从而影响检索结果的准确率。因此亟需研究面向元搜索引擎的查询推荐技术,以提高元搜索引擎的用户体验。查询推荐技术通过将相关的查询词推荐给用户,以帮助用户构造更有效的查询。传统的查询推荐模型可以分为两大类,分别是基于日志的查询推荐模型和基于语料的查询推荐模型。本文对比分析了这两类模型的优缺点,在“智搜”元搜索引擎系统的基础上,提出并实现了一个基于日志和语料的查询推荐模型。本文的工作内容及结论如下:(1)本文首先使用查询日志数据构建查询-链接二部图,在该图上使用两步随机游走策略来找到候选查询推荐词集。为了进一步扩充候选词集的范围,发挥元搜索引擎的优势,利用多个搜索引擎的查询推荐结果来丰富候选查询推荐词集。接下来,使用主题概念提取的方法...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文工作内容
    1.4 本文组织结构
第二章 理论基础与关键技术
    2.1 元搜索引擎技术
    2.2 推荐模型相关技术
        2.2.1 协同过滤推荐模型
        2.2.2 分词技术
        2.2.3 语义相似性度量
        2.2.4 查询推荐模型常用的数据集
    2.3 查询推荐结果评价机制
        2.3.1 评价方法
        2.3.2 评价指标
    2.4 本章小结
第三章 基于日志和语料的查询推荐模型的设计
    3.1 元搜索引擎中查询推荐模型的框架设计
    3.2 基于日志的查询推荐策略
        3.2.1 推荐策略概要设计
        3.2.2 构建查询链接二部图
        3.2.3 生成候选推荐查询
        3.2.4 基于主题概念的推荐查询词集
    3.3 基于语料的查询推荐策略
        3.3.1 推荐策略概要设计
        3.3.2 基于查询项图的相似性计算方法
        3.3.3 候选查询合理性的计算方法
    3.4 本章小结
第四章 元搜索引擎中查询推荐模型的实现
    4.1 “智搜”元搜索引擎系统实现
        4.1.1 系统功能结构
        4.1.2 系统工作模式
    4.2 基于日志的推荐策略的实现
    4.3 基于语料的推荐策略的实现
        4.3.1 查询间相似性计算方法实现
        4.3.2 查询合理性计算方法实现
    4.4 查询推荐模型整体流程实现
    4.5 本章小结
第五章 实验设计与结果分析
    5.1 实验环境
    5.2 实验数据
    5.3 评价指标
    5.4 实验结果
        5.4.1 实验结果展示
        5.4.2 与成熟搜索引擎推荐结果对比
        5.4.3 各推荐策略间相互对比
        5.4.4 举例分析
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 进一步的研究方向
参考文献
附录
致谢
作者简介



本文编号：3808778