基于搜索日志的用戶語義本體構建研究.pdf

1、近年來，隨著互聯網信息技術的迅速發(fā)展，互聯網上的信息資源已經達到海量級別，并且正呈指數級形式增長，海量網頁數據的結構復雜性和用戶查詢詞簡短及語義模糊性等特點給現有搜索引擎的發(fā)展帶來了極大的挑戰(zhàn)。檢索系統(tǒng)如何能夠準確的理解用戶輸入查詢詞的信息需求，根據不同用戶返回不同的檢索結果，即根據不同的用戶提供個性化的服務，這是用戶越來越關心的問題。要為用戶提供個性化的服務，就必須挖掘用戶的相關領域知識背景，為搜索引擎提供一個面向用戶的知識模型，即用

2、戶本體。一般情況下，搜索引擎搜集了大量的用戶搜索日志，這些數據記錄了用戶歷史查詢詞和對應點擊網頁的信息，通過分析這些歷史數據，能夠挖掘出用戶的領域背景知識。本體(Ontology)作為語義網的關鍵技術，它通過提供一個領域的詞匯和形式概念，使得信息的共享和交互變得容易和簡單。
　　 本文的主要工作如下：
　　 首先，本文提出了一種新穎的用戶查詢詞語義相似度計算方法，采用AGNES(AgglomerativeNesting)

3、層次聚類算法，將用戶查詢詞按用戶個性化興趣和知識背景進行主題分類。本文首先提出了基于用戶搜索日志的三種用戶查詢詞語義相似關系①基于用戶原始查詢詞本身的相似關系，②基于用戶擴展查詢詞的相似關系，③基于用戶點擊URLs的相似關系。通過分析這三種語義關系，將它們按照線性組合的方式組合，形成了一種新穎的計算用戶查詢詞語義相似度的方法?；谶@種用戶查詢詞語義相似度函數，利用AGNES層次聚類算法，將用戶查詢詞根據用戶搜索日志中所反映的主題進行語義

4、主題聚類，從而達到消除用戶查詢詞語義模糊性的目的。
　　 其次，本文提出了一種利用用戶查詢詞語義主題聚類結果和WordNet通用本體建立一個用戶查詢詞興趣主題領域知識模型，即用戶語義本體(UserSemanticOntology)的方法。該方法過程如下①根據用戶查詢詞語義主題聚類結果，生成用戶原始查詢詞－用戶點擊文檔和擴展查詢詞－用戶點擊文檔之間的形式背景，②優(yōu)化擴展查詢詞－用戶點擊文檔之間的形式背景，合并原始查詢詞和優(yōu)化后的擴