广告搜索中的查询处理算法

论文摘要

文本广告搜索为搜索引擎的全网搜索提供相关的、有针对性的文本广告。要匹配查询最相关的广告,广告搜索引擎应用了很多查询处理的技术,其中包括布尔检索和对稀有广告查询短语进行扩展。现有最好的广告查询短语扩展算法都是依赖于搜索引擎的检索结果,这样导致依赖性太强,不能形成一个独立的广告搜索系统。在寻找可靠的外部资源时,我们选择了维基百科。通过使用网页查询短语在已有的维基系统上进行检索top-检索,我们可以得到能够重新表达这个查询短语的信息。通过这些信息,我们可以重新构建广告查询短语,然后使用这个新的广告查询短语到现有的广告库中进行搜索。随后,我们也设计了一系列的实验来证明我们的方法是非常有效。因为弱与关系能够控制检索的结果数量,所以在广告搜索的查询中我们使用弱与关系来解决经典关系带来的问题。但是因为现有的弱与关系处理速度不够快,我们将提出一个全新高效的弱与关系处理框架。这个框架有效的利用了弱与关系的两个属性特点:分词后的词权重和弱与关系特有的一个阈值参数。我们首先关注查询中的一种非常特别的词。在分词后,查询短语中有一部分词权重可能非常高,以至于这一部分词必须出现在结果文集中。这种词我们称之为“强制词”。如果有这种类型的词,我们就可以很容易的构造一种非常快速的基于强制词弱与关系高效算法。然而,并不是所有的查询短语都含有强制词,因此我们又构建一种基于败者树的算法。通过和最原始的弱与关系算法相结合,这三种算法构建了我们的弱与关系处理框架。实验证明我们的方法比之前的方法更加有效,并且也非常健壮。

论文目录

• 摘要
• ABSTRACT
• 插图索引
• 表格索引
• 算法索引
• 第一章 引言
• 1.1 广告搜索
• 1.2 查询处理
• 1.3 查询处理中的查询扩展
• 1.4 查询处理中的布尔检索
• 1.5 算法适应性
• 1.6 本章小结
• 第二章 国内外研究现状
• 2.1 布尔检索
• 2.2 查询扩展
• 2.3 本章小结
• 第三章 查询扩展和弱与关系的处理方法总览
• 3.1 稀有查询短语的扩展
• 3.1.1 问题定义
• 3.1.2 框架总览
• 3.2 弱与关系的处理方法
• 3.2.1 弱与关系定义
• 3.2.2 弱与关系处理框架总览
• 3.3 本章小结
• 第四章 广告搜索中的查询扩展算法研究
• 4.1 维基文章的检索
• 4.2 广告查询短语的生成
• 4.3 广告匹配
• 4.4 举例分析基于维基文章的算法
• 4.5 本章小结
• 第五章 弱与关系的算法研究
• 5.1 基于插值搜索的弱与关系方法
• 5.1.1 插值搜索
• 5.1.2 在弱与关系方法中使用插值搜索
• 5.1.3 复杂度分析
• 5.2 基于排序的弱与关系方法
• 5.2.1 原始的弱与关系方法
• 5.2.2 复杂度分析
• 5.3 基于败者树的弱与关系方法
• 5.3.1 败者树
• 5.3.2 在弱与关系处理中使用败者树
• 5.3.3 复杂度分析
• 5.4 三种方法的综合分析
• 5.5 本章小结
• 第六章 实验
• 6.1 实验数据
• 6.2 评估方法
• 6.3 查询扩展的实验结果
• 6.4 弱与关系各方法的实验结果及结果分析
• 6.4.1 每秒查询数和θ的关系
• 6.4.2 每秒查询数和索引大小的关系
• 6.4.3 关于α的建议
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 附录A 专业词对应表
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录