|
|||||
|
|
| 融合用户实时搜索状态的自适应查询推荐模型 | |
| 作者单位： | ;1.天津大学天津市认知计算与应用重点实验室 |
| 摘 要： | 传统的查询推荐算法通过挖掘查询日志为用户推荐查询词。通常现存模型只考虑原始查询词与推荐词之间的关系(例如语义相似性或相关性等),没有考虑用户在搜索过程中的满意度情况。针对用户在搜索过程中表现出的不同满意度状态,提出了一个查询推荐基本假设,并通过开展在线用户问卷调查,验证了这一假设。基于相应的假设,提出了一种基于用户搜索满意度状态的自适应查询推荐模型,该模型可以为用户智能推荐不同种类的查询词。当用户对搜索结果满意时,模型将为用户提供更加新颖的推荐词;当用户对搜索结果不满意时,模型将为用户提供一些增强信息表示能力的查询词。大规模日志实验表明,提出的推荐模型显著优于传统的查询流图模型,证明了所提模型的有效性。 |
| 关 键 词： | 查询推荐 查询流图 搜索状态 满意度 |
Auto-adaptive Query Recommendation Model Considering Users Real-Time Search State |
|
| Abstract: | |
| Keywords: | |