融合用户实时搜索状态的自适应查询推荐模型

摘要：

传统的查询推荐算法通过挖掘查询日志为用户推荐查询词.通常现存模型只考虑原始查询词与推荐词之间的关系(例如语义相似性或相关性等),没有考虑用户在搜索过程中的满意度情况.针对用户在搜索过程中表现出的不同满意度状态,提出了一个查询推荐基本假设,并通过开展在线用户问卷调查,验证了这一假设.基于相应的假设,提出了一种基于用户搜索满意度状态的自适应查询推荐模型,该模型可以为用户智能推荐不同种类的查询词.当用户对搜索结果满意时,模型将为用户提供更加新颖的推荐词;当用户对搜索结果不满意时,模型将为用户提供一些增强信息表示能力的查询词.大规模日志实验表明,提出的推荐模型显著优于传统的查询流图模型,证明了所提模型的有效性.

关键词：查询推荐、查询流图、搜索状态、满意度

所属期刊栏目：10

分类号：TP391.3(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61402324,61272265;the National Basic Research Program of China under Grant Nos.2013CB329304,2014CB744604国家重点基础研究发展计划973计划;the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20130032120044

在线出版日期：2016-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1290-1298