论文部分内容阅读
当今时代,信息呈指数级增长,信息社会给用户带来丰富信息的同时,也使得用户在信息海洋中容易迷失方向。从海量的信息资源中准确、快速地获取所需信息成为信息服务者不断努力的方向,在此背景下,搜索引擎成为了帮助用户快速定位到互联网资源并获取相关信息的重要工具。然而,用户向搜索引擎输入的简短查询存在模糊性和歧义性,通常只能粗略地表达用户信息需求,因此,用户迫切希望搜索引擎能自动识别查询中包含的用户意图,直接返回与其信息需求相关的文档。于是,查询意图(即查询中应包含的用户信息需求、目标等)识别是当前学界和业界一研究热点。其中,给定类目体系下的查询意图分类是查询意图识别的重要研究方向。当前的此类研究大多基于Broder提出的分类体系(即将查询意图分为信息类、导航类和事务类)进行,且主要工作是探讨如何对信息类和导航类进行有效区分,而对如何实现信息类、事务和导航类三者自动分类的研究甚少。另查询意图的分类信息需最终用于指导搜索引擎性能优化中,而当前对如何利用查询意图分类信息来指导搜索引擎优化的探讨较少。基于此,本文首先实现信息类、导航类与事务类的自动分类,且在此基础上,首次尝试从搜索引擎稳定性、个性化潜力和网络动态三角度来对查询意图进行分析,以期为搜索引擎性能优化提供相关建议。全文共分7章,主要内容如下:第一章,引言部分。首先交待了本文的研究背景和研究意义。在回溯大量中英文文献的基础上,首先,从查询意图识别和查询意图分析两角度对查询意图进行了文献回顾。其中,查询意图识别的文献综述又包含给定类目体系的查询分类和不给定类目体系的查询识别两部分。其次,再对搜索引擎稳定性、个性化潜力和网络动态相关研究进行了文献梳理和综述。在以上工作的基础上,确定了本文的研究内容和思路,接着介绍了本研究的创新之处。第二章,理论基础部分。厘清了在认知检索模型中用户信息需求表达存在的问题,以及用户意图在用户相关性判断中的作用;对查询意图的概念、理解维度、分类体系与分析维度进行了归纳总结;第三章,查询意图自动分类。首先在人工标注数据集合的基础上,借用文本分类思想实现信息类、导航类和事务类三意图的自动识别。其中,本文在已有查询意图特征的基础上,提出了查询表达式、点击网页URL信息、查询结果表单信息与重构查询词四层面新特征。另外,实验还探讨不同层面特征以及单个特征对分类效果的影响,并分析了不同层面特征在稀有与非稀有查询以及模糊与非模糊查询中的查询意图分类效果。第四章,查询意图的搜索引擎稳定性分析。以百度、雅虎和搜狗三搜索引擎研究对象,以两个月为观察期,分析同一搜索引擎或者不同搜索引擎之间针对不同查询意图随时间变化的稳定性。第五章,查询意图的个性化潜力分析。首先通过显式指标和隐式指标来衡量不同查询意图的查询个性化潜力。然后,通过对显式指标与隐式指标之间的相关性分析,获得有效的隐式指标,在此基础上,再分析针对不同查询意图,哪些查询特征能有效地表征其个性化潜力。第六章,查询意图的网络动态分析。分别从查询动态、文档内容动态和信息需求变化三角度出发,分析不同查询意图随时间变化所呈现的特征。然后,针对不同查询意图,分析了在不同查询流行度特征中,其文档内容以及信息需求变化情况。第七章,文章总结。对本文主要内容进行了总结,并在此基础上提出了本文的研究不足以及对后期研究工作的展望。