10.3969/j.issn.1000-3428.2016.08.034
基于协同相似计算的查询推荐
单个用户历史搜索点击数据具有稀疏性特点,容易导致查询推荐不准确和无法提供多样性查询的问题.为此,提出将每个用户的查询日志作为文档,利用空间向量模型计算文档间的相似度,并将用户在历史数据中对链接的点击频率作为对链接的偏好评分,采用改进的欧氏距离计算用户的最近邻居,计算出当前用户的相似用户集,将相似用户历史行为数据扩充到单个用户数据中.基于朴素贝叶斯模型训练数据并预测查询-链接的点击率,将其作为权重用于点击图中,应用点击传播产生查询推荐.实验结果证明该方法可获得较高的准确度和平均精度均值.
查询推荐、最近邻、向量空间模型、欧氏距离、朴素贝叶斯、点击预测
42
TP311(计算技术、计算机技术)
国家自然科学基金资助项目61170120
2016-10-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
188-193