基于搜索历史的用户兴趣建模

论文摘要

随着信息技术的不断发展,人们对个性化服务的需求越来越高。而目前的搜索引擎在进行查询-文档匹配时,并没有针对不同的用户作相应的处理。对同一个查询词,不同用户得到的查询结果是相同的,即便他们的兴趣和背景有着巨大的差异。这使得这些传统的信息检索技术不能很好地提供吻合用户个人需求的搜索结果。面对海量的网络信息,如何抓住用户的个人兴趣,为用户提供个性化服务已经成为当前Web技术研究的一个重要主题。个性化服务中,建立用户兴趣模型是至关重要的步骤。兴趣模型的好坏直接影响了个性化服务提供的准确性和有效性。用户兴趣建模的目标是从用户的历史记录数据中挖掘出有价值的数据,并用合适的模型来进行表示。本文的工作主要包括：·本文介绍了用户兴趣建模的研究现状,详细介绍了一些常见的模型计算方法,指出了现有方法的局限性。·提出了基于搜索历史的用户兴趣建模方法,通过从搜索引擎的搜索日志中获取用户信息进行兴趣建模。·提出了综合最近检索词向量,历史检索关键词向量,文档中心向量和类别特征树的用户兴趣模型。在模型计算过程中,根据搜索行为本身的特点,在传统的中文分词和文档向量模型作了改进。在通过检索分类计算类别特征时,采用了分类器和自聚类相结合的分类方法,得到的分类结果在互联网语料中更加准确。·提出了基于用户兴趣模型的个性化检索方案,包括检索词扩展和网页排序等。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 问题概述
• 1.3 本文的工作和组织结构
• 第二章 用户兴趣建模概述
• 2.1 用户数据的采集
• 2.2 用户兴趣模型计算方法
• 2.2.1 基于关键词的向量模型
• 2.2.2 基于本体概念的树模型
• 2.2.3 基于聚类算法的兴趣建模
• 2.2.4 基于检索分类的兴趣建模
• 2.3 搜索日志的数据分析
• 第三章 基于搜索历史的用户兴趣建模
• 3.1 数据获取
• 3.2 特征提取
• 3.2.1 相关技术概念
• 3.2.2 搜索词特征提取
• 3.2.3 结果文档特征提取
• 3.3 检索分类
• 3.3.1 分类器训练
• 3.3.2 历史数据分类
• 3.4 用户兴趣模型计算
• 3.5 基于用户兴趣模型的个性化检索
• 3.5.1 网页排序现状
• 3.5.2 基于用户兴趣的检索词扩展
• 3.5.3 基于用户兴趣的网页排序
• 第四章 系统设计
• 4.1 系统框架
• 4.2 系统实现
• 4.2.1 数据抽取
• 4.2.2 搜索词特征提取
• 4.2.3 结果文档特征提取
• 4.2.4 检索分类
• 4.3 实验结果
• 第五章 总结与展望
• 5.1 总结
• 5.2 进一步的工作
• 参考文献
• 攻读硕士学位期间发表的学术论文及参与的项目
• 发表的论文
• 参加的项目
• 致谢