基于用户日志双向聚类的查询扩展方法.docVIP

基于用户日志双向聚类的查询扩展方法 摘要：文章对基于用户查询日志的查询扩展模型进行了优化,提出了一种新的基于用户日志双向聚类的查询扩展模型。该模型对用户日志中的用户查询和点击文档进行双向聚类，挑选出更符合查询主题的查询扩展词，将其加入到搜索系统中，以达到为用户提供高质量检索结果的目的。实验证明,该方法能够有效提高检索的质量 关键词：信息检索 查询扩展 双向聚类 用户日志 中图分类号：TP391 文献标识码：A 文章编号：1007-9416(XX年3月1日00:00:00至XX年5月31日23:59:59 期间的全部搜索日志,包含了657 426个独立用户的总共36 389 567 条记录,其数据格式如下：用户，用户查询，时间，用户点击的序号，用户点击的URL 在实验中,关于局部上下文分析的算法,采用与Croft等实验相同的参数[6],使用与原查询最相关的前100篇文章作为查询扩展的基础，并选择前30个与原查询关联度最高的词成为扩展用词.对于基于用户日志的统计扩展模型,同样采用前30个出现的条件概率最大的词 3.2 实验结果分析 作为有效性验证的对比实验,我们将基于用户日志双向聚类的查询扩展方法，记为QE on biclustering user log方法，与其他三种方法进行比较:(1)基准模型，即只用原始查询进行检索，没有使用查询扩展方法,记为Baseline方法;(2)基于伪相关文档的查询扩展方法[6],记为QE on relevant content方法;(3)基于用户日志的查询扩展方法，记为QE on user log方法。实验在GOV2数据集上所得到的4种检索性能结果如表1所示 从表1可以看出，在最优情况下,本文设计的QE on biclustering user log方法与传统QE on relevant content方法以及只基于用户日志的QE on user log方法相比：在MAP 指标上分别提高了7.21%和1.87%;在P@ 10指标上分别提高了4.01%和1.71%;在P@20指标上分别提高了4.24%和1.04%。实验结果说明本文提出的基于用户查询日志双向聚类的查询扩展方法获得了很好的结果,表2 基于用户查询日志双向聚类的查询扩展是建立在大量用户长期查询行为的基础上，并通过分析用户行为对查询日志进行双向聚类，在选择扩展用词时更注重用户关注的查询主题，有效防止了用户查询覆盖面的扩大化，从而扩展得到更多与查询主题相关的扩展词 4、结语 为了改进搜索引擎检索结果的准确性，本文对基于用户日志的查询扩展方法进行了研究。通过对用户日志中的用户查询和点击文档进行双向聚类，挑选出更符合查询主题的查询扩展词，实验结果表明,该方法能够有效提高检索的质量 本文的不足之处是由于用户日志数据的稀疏性和大量噪音，双向聚类的结果难以达到最优，在未来的工作中，我们将涉及更多的相关实验，改进聚类效果，进一步的验证该模型的有效性 参考文献 [1]J.Xu and W.Croft.Query expansion using local and global document analysis [C]// Proceedings of SIGIR.Zurich, Switzerland,1996:4-11. [2]X.Wang,C.Zhai.Mining term association patterns from search logs for effective query reformulation [C]// Proceedings of CIKM.Napa Valley,California.USA,2008:479-488. [3]崔航,文继荣,李敏强.基于用户日志的查询扩展统计模型[J].软件学报,2003,14(9):1593-1599. [4]王明文,付剑波等.基于协同聚类的两阶段文本聚类方法研究[J].模式识别与人工智能,2009,22(6):848～853. [5]王卫国,徐炜民.基于潜在语义分析的个性化查询扩展模型[J].计算机工程,2010,36(11):43～45. [6]Xu JX,Croft WB.Improving the effectiveness of information retrieval with local context analysis.ACM Transactions on Information Systems,2000,18(1):79-112. _________________________________________________________