一种融合用户学习过程的用户查询意图模型-计算机应用研究.pdf

一种融合用户学习过程的用户查询意图模型-计算机应用研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种融合用户学习过程的用户查询意图模型-计算机应用研究

第34卷第6期 计 算 机 应 用 研 究 Vol34No6     2017年6月  ApplicationResearchofComputers Jun.2017 一种融合用户学习过程的用户查询意图模型 1,2 1 1 1 张 博 ,张 斌 ,孙达明 ,张书波 (1.东北大学计算机科学与工程学院,沈阳110004;2.沈阳大学信息工程学院,沈阳110044) 摘 要:用户查询意图模型是查询扩展和查询推荐研究的一个热点。然而,日志包含的大量噪声对主流的用户 查询意图模型构建过程具有较大负面影响,观察日志发现,用户试探性点击行为是日志噪声产生的一个主要原 因,并由此提出了一种融合用户学习过程的用户查询意图模型。该模型对用户从试探性点击行为进行建模,从 而对试探性点击行为进行识别和过滤。一系列实验结果表明,该模型在日志噪声较高的情况下能够有效过滤试 探性点击产生的噪声,提高用户查询意图描述的准确率;将该模型应用于查询推荐过程后,能有效提高查询条件 相似性计算的准确率,并提高查询推荐结果的准确率和召回率。 关键词:用户查询意图模型;不相关反馈;用户学习过程;查询推荐 中图分类号:TP181   文献标志码:A   文章编号:10013695(2017)06164007 doi:10.3969/j.issn.10013695.2017.06.009 Userintentmodelfusedwithstudyingprocess 1,2 1 1 1 ZhangBo ,ZhangBin ,SunDaming,ZhangShubo (1.SchoolofComputerScience&Engineering,NortheasternUniversity,Shenyang110004,China;2.SchoolofInformationScience&Engi neering,ShenyangUniversity,Shenyang110044,China) Abstract:Userintentmodelingisahotpointinresearchesofqueryexpansionandqueryrecommendation.Butthelarge amountofnoiseinsearchloghavegreatnegativeimpactontheconstructionofuserintentmodel.Byobservingthelogitcanbe foundthattentativeclickoftheuserisoneofthemaincausationsofirrelevantfeedbacks.Tosolvetheproblem,thispaperpro posedtheuserintentmodelcombinedwithstudyingprocess.Itmodeledthetentativeclicks,andthenidentifiedandfiltered thosetentativeclicks.Testresultsshowthatthemodelcaneffectivelyfilternoisescomingfromtentativeclickswhenlogowns highlevelnoisy.Afterapplyingthemodeltoqueryrecommendationitcanimprovetheprecisionofsimilaritycomputation amongqueries,andincreasestheprecisionofqu

文档评论(0)

fengruiling + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档