搜索日志中领域查询串识别研究.pdf

《搜索日志中领域查询串识别研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年5月计算机工程与设计May．2014第35卷第5期COMPUTERENGINEERINGANDDESIGNVo1．35No．5搜索日志中领域查询串识别研究唐静笑，吕学强，柳成洋。，李涵。(1．北京信息科技大学网络文化与数字传播北京市重点实验室，北京100101；2．中国标准化研究院现代服务标准化发展研究中心，北京100101)摘要：利用搜索日志中查询串自身信息和用户点击信息，提出了双层模型识别领域查询串的方法。第一层模型采用贝叶斯法则和词典相结合的方法对查询串进行识别；针对搜索日志查询串内容简短、信息量少的特点，提出基于域名可信度的第二层ix~,l模型。在搜狗2012版用

2、户查询日志上对双层模型进行了开放测试，召回率和准确率分别达到了85．2和94．6，实验结果表明了该方法的有效性。关键词：查询串；双层模型；贝叶斯；领域词典；域名可信度中图法分类号：TP391．1文献标识号：A文章编号：1000—7024(2014)051766—06DomainqueryrecognitioninsearchlogsTANGJing-xiao，LUXue-qiang，LIUCheng-yang。，LIHan(1．BeijingKeyLaboratoryofInternetCultureandDigitalDisseminationResearch，BeijingIn

3、formationScienceandTechnologyUniversity，Beijingi00101，China；2．ModernServiceStandardizationDevelopmentResearchCenter，ChinaNationalInstituteofStandardization，Beijing100101，China)Abstract：Abi-levelmodelidentificationmethodisproposedtoidentifydomainqueriesbasedontheinformationofqueryitselfanduserc

4、lickingbehaviorinsearchlog．ThefirstlevelincorporatesdictionarymatchingandBayestheoremtoidentifythequeries；withregardtothefeaturesofshortandlessinformation，thesecondlevelbasedondomainnamecredibilityispresented．TheopentestisdoneonSogouuserquerylog2012edition，whoseresultsshowthattherecallandpreci

5、sionachieve85．2and94．6respectively．ThemethodiSprovedtobeeffective．Keywords：querystring；bblevelmodel；Bayestheorem；domaindictionary；domainnamecredibility的查询，这在一定程度上弥补了用户查询信息不足的缺陷。0引言现有的研究主要是利用搜索结果中的文本信息(如标题，领域查询串指一些频繁在该领域出现的，能够反映某摘要和网页正文等)对查询串所属领域类别进行识别，需一领域共性特征的查询串集合。查询领域识别与传统的文要在线对文本进行分析和处理，存储

6、这些数据带来了大量档或网页分类类似，但处理的对象是用户提交的关键词查的负担，可行性低。因此，本文通过分析搜索日志中查询询。用户输入的关键词能够直接反映用户的搜索目的，但串自身和对应URL信息，并将词典和统计相结合，构建了是查询长度较短，缺少上下文特征，很大比例的查询具有双层识别模型识别领域查询串。歧义。因此，如何自动对查询串进行领域识别是当前搜索1相关工作引擎面临的新挑战，从用户方面角度讲，领域识别反应了用户的某种需求，比如用户想导航到某个网站，或者想了搜索日志中查询串有如下特点：简短、特征稀少、信解某类知识等；从搜索引擎的角度讲，领域识别能够对用息逻辑丢失，根据这些特点国外学者利

7、用已知类别的查询户查询词进行扩充，找到相关词，从而组成新的、更准确推导新查询的类别，如LiE使用二维图(bipartitegraph)收稿日期：2013—0904；修订日期：2013一ll一12基金项目：国家自然科学基金项目(61171159、61271304)；北京市教委科技发展计划重点基金项目暨北京市自然科学基金B类重点基金项目(KZ201311232037)作者简介：唐静笑(1988一)，女，辽宁沈阳人，硕士研究生，CCF会员，研究方向为中文信息处理；吕学强(1