基于会话管理Web即时信息检索研究.docVIP

基于会话管理Web即时信息检索研究 　　[摘要]在分析已有相关研究的基础上设计一个基于会话管理的Web即时信息检索代理JITIRA，该代理对用户提交给搜索引擎的查询或打开的新网页进行处理，并在此基础上即时构造新查询，并代替用户提交给搜索引擎。实验表明该方法有助于提高查准率。 　　[关键词]会话Web即时信息检索 即时信息需求噪音网页识别 会话边界识别 　　[分类号]TP391.3 　　 　　即时信息检索(Just-in-Time Information Retriev-a1)是指利用代理软件来自动捕获用户当前的上下文信息，在此基础上识别用户的即时信息需求，主动进行信息检索并为用户提供与即时信息需求相关的信息。有助于识别用户即时信息需求的方法较多，其中用户在信息检索过程中的会话行为是较重要的一种。 　　根据用户的会话行为来实现即时信息检索，国外已有相关的研究。Jay Budzik等设计了一个即时信息检索系统Watson，该系统能从用户与微软的WORD、IE等应用程序的会话中自动获取上下文信息，然后将这些信息与用户查询相结合，形成一个能较好地表达用户即时信息需求的检索条件，并据此进行即时信息检索。Shen Xuehua等认为，在信息检索的当前会话内，前几步的查询、最近刚浏览过的文档等短期上下文与用户的即时信息需求密切相关，可有效改善信息检索的效果，并进一步提出了适用于单一会话期的、基于隐式反馈的信息检索语言模型，在语言模型的计算过程中考虑了前几步的查询和点击流信息。SnfithaSrirmnN]等提出了一种基于会话上下文的信息检索方法，该方法根据查询之间的时间先后次序和概率相似度来识别会话边界，并将已点击网页的标题和摘要与同一个会话内的查询历史和点击历史合并起来，形成新一轮的查询。陈红刚与庄超提出可在即时信息检索的后台将查询中的数据和已有知识结合起来，以便提高查准率。 　　本文将在现有研究的基础上设计并实现一个基于会话管理的Web即时信息检索代理JITIRA(Just-In―Time Information Retrieval Agent)，其中会话管理是指对用户的会话行为进行处理，主要包括：通过会话边界识别来确定用户提交的新查询所属的会话；通过噪音网页识别来确定最新打开的结果网页是否与当前查询??关；在前两步工作的基础上对用户所提交的新查询、查询所属的会话、浏览的相关网页等信息进行记录。 　　 　　1　JlTIRA 工作原理 　　 　　1.1 J1TIRA的运行方式 　　JITIRA在用户的计算机上运行，用Java和JsP实现，运行时，需要在用户的计算机上安装并运行Tom―cat4.0或更高版本的Web Server。 　　 　　1.2　JITIRA的设计思路 　　JITIRA的总体设计思路是：由会话行为处理模块接收并有效扩展用户提交的查询，将其转换为目标搜索引擎规定的格式后提交给该搜索引擎；如果用户没有提交新查询而是在结果列表中打开了一个新的网页，则由会话行为处理模块识别用户的即时信息需求，并代替用户向目标搜索引擎提交查询。 　　从整体上来看，JITIRA只负责识别用户的查询意图并向搜索引擎提交查询请求，实际的查询及结果排列则由搜索引擎来完成。具体实现时，会话行为处理模块所包含的关键词输入网页负责获取用户输入的检索词，会话行为处理模块所包含的网页处理程序负责获取并处理用户在结果列表中打开的新网页，会话行为处理模块所包含的查询转换程序负责向搜索引擎提交查询。查询转换程序通过搜索引擎的查询接口向搜索引擎提交查询，其中百度的查询接口为“http：／／www.省略／s?wd=”，谷歌的查询接口为“ht―tp：／／www，／search?q=”，搜狗的查询接口为“http：／／www.省略／web?query=”。JITIRA用“+”连接所有的查询词(包括JITIRA生成的扩展词)，将其放置在上述某个查询接口的尾部并发出HT-TP请求，即可通过相应的搜索引擎进行检索。 　　 　　1.3 JITIRA的体系结构 　　根据上述思路设计出来的JITIRA主要有两项功能：一是监视用户与搜索引擎之间的会话行为，在会话边界和噪音网页识别的基础上形成会话记录；二是每当用户有新的会话行为(主要是提交了新查询或打开了新的结果网页)时，立即根据会话记录进一步确定用户的即时信息需求，提交新一轮的查询并由搜索引擎返回结果列表。为了有效地利用会话记录，JITIRA为每个查询都设置了一个查询向量和一个有效浏览向量。查询向量由该查询中所有的查询词生成，有效浏览向量由用户在该查询的结果列表中所浏览的所有相关网页生成，其值为所有相关网页的网页向量加权和，其中一个网页的网页向量可通过统计该网页中所有关键词的词频来生成。