基于查询热度和实体识别的查询推荐

查询推荐已经成为改善用户搜索体验和提高搜索引擎服务质量的重要方法。提高查询推荐串的质量和用户满意度显得尤为迫切。已有研究方法在相似度计算上忽略了命名实体的重要性和搜索日志整体的信息量度。通过对查询串进行聚类后的热度评估，并提取查询串中的命名实体。然后融合查询串热度信息和命名实体特征到相似度计算公式中，提出了一种新的查询推荐方法，该方法所得结果的满意度平均值均比最新的三种方法的推荐结果值高，表明了该方法的有效性。该方法在相似度计算上利用了识别出的命名实体，同时考虑了推荐串在全局日志中的热度，提高了推荐词的总体质量，但方法局限于提取特征的精确度，有赖于特征进一步的丰富和优化。