資源描述：
《基于相關(guān)查詢的搜索引擎查詢自動(dòng)分類研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、基于相關(guān)查詢的搜索引擎查詢自動(dòng)分類研究周二翠（安徽大學(xué)管理學(xué)院合肥230039）寇廣增（農(nóng)業(yè)部農(nóng)村合作經(jīng)濟(jì)經(jīng)營(yíng)管理總站北京100026）夏晨曦（北京市科學(xué)技術(shù)情報(bào)研究所北京10004）[摘要]如何準(zhǔn)確理解用戶提交的查詢成為搜索引擎面臨的一個(gè)難題，對(duì)查詢進(jìn)行自動(dòng)分類是嘗試解決問題的一種方法。我們提出基于相關(guān)查詢對(duì)查詢進(jìn)行自動(dòng)分類的方法。首先介紹此方法的設(shè)計(jì)思路和流程，同時(shí)對(duì)關(guān)鍵處理步驟進(jìn)行說(shuō)明，然后選擇“百度風(fēng)云榜”的數(shù)據(jù)作為測(cè)試集進(jìn)行測(cè)試驗(yàn)證，查準(zhǔn)率可達(dá)到71.74%，最后分析和總結(jié)方法不足之處以及下一步研究計(jì)劃。[關(guān)鍵詞]查詢;相關(guān)查詢;自動(dòng)分類;搜索引擎;
2、[分類號(hào)]TP391AutomaticClassificationofWebQueriesUsingRelatedQueriesZhouEr’cui（ManagementSchool,AnhuiUniversity,Hefei230039,China）KouGuangzeng（CentralStationofAdministrationonRuralCooperativeEconomy,MinistryofAgriculture,Beijing100026,China）XiaChenxi（BeijingScienceandTechnologyInformati
3、onInstitute,Beijing100048,China）[Abstract]Accurateunderstandingofuserquerieshasbecomingthebottleneckinwebsearchsystems.Automaticclassificationofwebqueriesisamethodforthisproblem.Wetrytouserelatedqueriestoclassifywebqueries.Wefirstgivethedesignideaandprocessesofthismethod,andthenintr
4、oducethekeysteps.Intestsection,weselect“BaiduFengYunBang”astestdatasetsandtheprecisioncanreach71.74%.Finallydiscusssomeshortcomingsandthefurtherstudyforthiswork.[Keywords]webqueries;relatedqueries;automaticclassification;searchengine;1引言搜索引擎已經(jīng)成為人們獲取信息的基礎(chǔ)應(yīng)用，中國(guó)網(wǎng)民的使用率高達(dá)68.0%[1]。然而如何準(zhǔn)確理
5、解用戶提交的查詢(Query)成為搜索引擎面臨的一個(gè)難題[2]，尤其是中文搜索引擎。根據(jù)數(shù)據(jù)分析，中文用戶提交的中文查詢平均長(zhǎng)度為1.85個(gè)詞[3]，少于英文搜索引擎的英文平均查詢長(zhǎng)度（2.35）[4]，這表明中文搜索引擎需要對(duì)查詢進(jìn)行更細(xì)致的分析。對(duì)查詢進(jìn)行自動(dòng)分類是嘗試解決此問題的一種方法，它有助于提高搜索引擎的準(zhǔn)確率和用戶體驗(yàn)，而且可以促進(jìn)定向廣告投放、競(jìng)價(jià)排名等商業(yè)應(yīng)用的發(fā)展。國(guó)內(nèi)外對(duì)于查詢自動(dòng)分類有很多嘗試，主要從兩個(gè)方面展開：分類體系和分類方法。Border認(rèn)為查詢?nèi)蝿?wù)決定了查詢需求，并最終反映到查詢上，那么查詢?nèi)蝿?wù)可以分為三類：導(dǎo)航類、信息類和事
6、務(wù)類[5]。當(dāng)用戶的查詢目標(biāo)明確，比如通過(guò)查詢“搜狐”希望檢索出“搜狐網(wǎng)”的網(wǎng)站地址，此類行為稱為導(dǎo)航類。當(dāng)用戶沒有明確的目標(biāo)，只是希望了解相關(guān)信息，比如檢索“姚明受傷”，則稱為信息類。而事務(wù)類是用戶希望查找解決某個(gè)問題的相關(guān)信息，比如軟件下載、計(jì)算機(jī)殺毒。Rose等將此分類體系進(jìn)一步細(xì)化，將信息類和事務(wù)類劃分成多個(gè)子類別[6]。Liu等在分析大規(guī)模搜索引擎日志時(shí)，則將信息類和事務(wù)類搜索合并，從而達(dá)到更高的準(zhǔn)確率[7]。同時(shí)，根據(jù)內(nèi)容也可以對(duì)查詢進(jìn)行自動(dòng)分類，比如KDDCUP2005預(yù)定義了67個(gè)類別，Shen等基于同義詞和統(tǒng)計(jì)關(guān)系構(gòu)建分類器，將查詢映射到這些
7、類別中[8]。在類別預(yù)先定義的情況下，可以利用規(guī)則過(guò)濾、機(jī)器學(xué)習(xí)等方法，根據(jù)鏈接關(guān)系、查詢與鏈接的映射關(guān)系等進(jìn)行分類映射。在類別不明確的情況下，可以通過(guò)對(duì)檢索結(jié)果聚類達(dá)到分類目的。Beeferman等將查詢和URL看作圖的節(jié)點(diǎn)，為查詢和URL之間建立雙向圖，如果某個(gè)查詢對(duì)應(yīng)點(diǎn)擊了某個(gè)URL，則為這兩個(gè)節(jié)點(diǎn)增加一條無(wú)向邊，根據(jù)節(jié)點(diǎn)的相似性，采用遞歸算法依次對(duì)查詢和URL節(jié)點(diǎn)分別合并[9]。還有通過(guò)搜索引擎日志數(shù)據(jù)挖掘?qū)Σ樵冞M(jìn)行自動(dòng)分類，比如Fonseca等采用關(guān)聯(lián)規(guī)則算法[10]。相關(guān)查詢是搜索引擎為了提高服務(wù)質(zhì)量和用戶體驗(yàn)，把枯燥繁瑣的查詢過(guò)程變得更為快捷，提
8、出“查詢建議（Query/TermSu
