基于相对条件熵的搭配抽取方法

针对以往研究将搭配视为词项的简单并置，而没有考虑词项间的倾向性的问题，提出了一个基于相对条件熵的搭配倾向统计模型，衡量中心词对上下文同现词的依赖程度。此外，加入语言学启发式规则，利用词性过滤器和滑动窗口的方法识别搭配边界，最终形成了在开放语料库环境下的搭配抽取方法。该方法具有很强的解释性，有效地揭示了搭配构成的内在机理。经过证明，搭配倾向强度可以解释为由方向修正的互信息。     

基于用户行为分析的搜索引擎自动性能评价

基于用户行为分析的思路,提出了一种自动进行搜索引擎性能评价的方法.此方法能够基于对用户的查询和点击行为的分析自动生成导航类查询测试集合,并对查询对应的标准答案实现自动标注.基于中文商业搜索引擎日志的实验结果表明,此方法能够与人工标注的评价取得基本一致的评价效果,同时大大减少了评价所需的人力资源,并加快了评价反馈周期.     

基于用户兴趣分析的网页生命周期建模

网页在其生命周期内的活跃程度会随时间发生变化。有的网页只在特定的阶段有价值,此后就会过时。从用户的角度对网页的生命周期进行分析可以提高网络爬虫和搜索引擎的性能,改善网络广告的效果。利用一台代理服务器收集的网页访问量信息,我们对网页的生命周期进行了研究,给出了用户兴趣演变的模型。这个模型有助于更好地理解网络的组织与运行机理。