网络环境用户查寻行为统计分布和其应用.pdfVIP

情报学报 ISSN 2006年lO月 vd．25 303．305 0cl妇 2006 第25卷 303—305， 网络环境用户查寻行为统计分布及其应用 庞景安 (中国科学技术信息研究所，北京100038) 摘要 本文针对如何通过对w。‘日志海量数据的统计、分析和挖掘，导出网络环境用户查寻行为内在的数量统 计规律，进行了全面和深入的分析和探讨。同时，综述了网络环境用户查寻行为的计量研究在提高搜索引擎的检 索效率、优化设置查寻缓存、Web页面的相关聚类，以及研究用户需求和服务类型等方面的具体应用。 关键词 网络计量学用户查寻统计分布 随着Intemet的不断发展。网上各种类型的文字与多媒志数据所做的统计分析。在系统维护的100多万有效网页 体信息急剧膨胀．使Internet成为一个巨大的、没有编目、没中，被用户点击的URL只有16万多，不足有效页面总数的 有整序的图书馆。如果不依靠Web搜索引擎的帮助．用户 1／6。在被点击的16万网页中超过50％的网页仅被点击过一 面对海量的网络信息．将会束手无策，一筹莫展。在同络环 次，而不到1／3面面的点击次数占到了总点击次数的2／3。 境中。用户如何有效地查寻信息、查寻什么、具有何种查寻行 这与文献计量学中的齐普夫定律、洛特卡定律的结论非常一 为和检索模式，成为信息检索领域集中探讨的热点问题，构 致，说明在网络环境中仍然服从很多经典的社会科学规律。 戚网络计量学这一新兴学科的重要组成部分。 1．3用户输出结果翻页情况统计分布 1用户查寻行为的统计分布 因为Web日志数据通常包括用户点击的URL及该URL 13志数据也可以统 所在辅出结果中的页号，所以利用Web Web日志(Web kFib)记录了用户访问网络的全过计分析用户点击URL输出结果的翻页情况。通常情况下． 程，通过对Web日志海量数据的统计分析，可以归纳解析出 用户会主要关心输出结果前边几页的内容，因此太部分点击 用户查寻行为的各类统计分布。主要包括：用户查寻词的统 会落在前边几页中，而用户很少会教I览几十页以后的内容。 计分布；用户点击URL的统计分布；用户输出结果翻页情况 例如．北大天同根据近50万用户的点击情况，统计得出用户 统计分布等。 在输出结果申翻页情况的统计分布。该分布非常类似于文 献计量学中的文献老化衰减曲线，所以文献计量学中的许多 1．1用户查寻词的统计分布 经验公式同样适用于网络环境中用户行为以及文献交流的 人们通过web日志的统计数据．对用户查寻提问中涉 定量化模拟。 丑的词汇和短语的统计分布进行了广泛研究，包括查寻词汇 的数量．词汇的长度．以及词汇的属性等不同的统计分布。 2 Web信息常用测度指标及其相互关系 研究分析表明，用户所选择的查寻词具有很强的集中趋势， 占据前20％的查寻词的杏寻次数占了总查寻次数的∞％， 在网络环境中，网页重要性的测度可以类比引文分析中 这种集中趋势非常类似于文献计量学中的布拉德福现象，网 的基本假设：用户访问或链接越多的网页被认为是更重要的 络用户查寻词的分布曲线也具有明显的幂函数的特征。例 网页。测度w出罔页重要程度常常应用以下几个测度指 如，北京大学天网网站根据Web日志记录中的基础数据。统 标：网页人度，指整个网络指向某网页的超链数目，一般超链 计分析了天网用户查寻词的分布情况，并导出用户查寻词服 数目越大，认为该网页比较重要；网页的镜像度，指整个网络