基于二分圖的查詢推薦算法.pdf

1、當(dāng)前，互聯(lián)網(wǎng)已經(jīng)成為全世界最大的一個(gè)知識(shí)庫，蘊(yùn)含著海量的信息，人們可以獲取的網(wǎng)絡(luò)信息與日俱增。用戶在面對(duì)大規(guī)模的網(wǎng)絡(luò)信息時(shí)，卻往往茫然于如何更快更準(zhǔn)確地找到所需要的信息。搜索引擎可以幫助人們從海量數(shù)據(jù)中獲取信息，已經(jīng)成為用戶獲取網(wǎng)絡(luò)信息的最主要甚至必不可少的工具之一。但目前的搜索引擎與用戶的交互方式仍然是主要通過用戶根據(jù)信息需求自主輸入查詢關(guān)鍵詞進(jìn)行檢索，搜索引擎返回查詢結(jié)果。由于輸入的查詢?cè)~一般較為簡短，并且查詢?cè)~自身存在歧義性和多義

2、性，搜索引擎并不能準(zhǔn)確理解用戶真實(shí)的搜索意圖?；诖朔N背景下，查詢推薦技術(shù)如今已經(jīng)被搜索引擎普遍采用，幫助搜索引擎更準(zhǔn)確地了解用戶真實(shí)的查詢意圖以及幫助用戶構(gòu)造更加完善的查詢。
　　本文主要研究了一種基于二分圖的查詢推薦算法。采用搜狗查詢?nèi)罩咀鳛閷?shí)驗(yàn)數(shù)據(jù)集，對(duì)該數(shù)據(jù)集進(jìn)行分析與預(yù)處理之后，抽取31萬條用戶歷史點(diǎn)擊數(shù)據(jù)作為實(shí)驗(yàn)用數(shù)據(jù)。將用戶點(diǎn)擊URL在搜索引擎返回結(jié)果列表中的排序號(hào)和用戶點(diǎn)擊該URL的順序號(hào)考慮到二分圖連接邊的權(quán)重計(jì)

3、算公式中，利用TF-IDF思想計(jì)算邊的權(quán)重，得到Query-URL加權(quán)二分圖。利用用戶點(diǎn)擊的URL集合構(gòu)造向量來表示對(duì)應(yīng)的查詢，然后使用余弦相似度方法計(jì)算任意兩個(gè)不同查詢間的相似度，最后構(gòu)建一個(gè)描述查詢問相關(guān)度的查詢關(guān)系網(wǎng)絡(luò)圖。對(duì)一個(gè)輸入查詢推薦N個(gè)候選查詢的過程是:首先在查詢關(guān)系網(wǎng)絡(luò)圖上找到該輸入查詢所在節(jié)點(diǎn)的鄰居節(jié)點(diǎn)構(gòu)成初始候選查詢集合H。若集合H中查詢的數(shù)目不小于N，直接選取前N個(gè)與輸入查詢相關(guān)度得分較高的候選查詢進(jìn)行推薦;若集合