基于用戶查詢?nèi)罩镜闹形幕ヂ?lián)網(wǎng)問句自動生成和查詢壓縮研究.pdf

1、隨著互聯(lián)網(wǎng)用戶和規(guī)模爆炸式增長，如何讓用戶更快捷的搜索到需要的信息成了學(xué)術(shù)界和搜索引擎公司共同關(guān)注的問題。搜索引擎上用戶查詢的形式是多種多樣的，如何正確的分析查詢是理解用戶意圖、幫助用戶得到信息的關(guān)鍵，有廣泛的應(yīng)用前景和重要的地位，是目前研究的熱點(diǎn)。
　　用戶查詢?nèi)罩居涗浿兴阉饕嬗脩舻牟樵兒忘c(diǎn)擊行為，是分析用戶行為、改進(jìn)搜索結(jié)果最有效的數(shù)據(jù)資源。本文應(yīng)用中文搜索引擎的查詢?nèi)罩?，重點(diǎn)研究了基于查詢?nèi)罩镜膯柧渥詣由珊筒樵儔嚎s方

2、法，主要內(nèi)容如下：
　　第一，基于互動類問答知識庫的中文查詢問句自動生成?；宇悊柎鹬R庫的出現(xiàn)為用戶提供了獲得高質(zhì)量知識的途徑，用戶可以在上面提問、回答和評價他人對問題的答案。為改進(jìn)互動類問答知識庫的搜索并擴(kuò)大其問題的數(shù)量，我們提出了一種問句自動生成的方法，該方法從用戶查詢?nèi)罩局型谌柧淠０妫⒉樵兊侥０宓脑u分機(jī)制，當(dāng)查詢到來時找到與之最相關(guān)的模板，并將該查詢嵌入模板中。實(shí)驗(yàn)結(jié)果顯示我們的方法的1-best準(zhǔn)確率為67％，比互

3、動類問答知識庫百度知道的搜索算法效果更好。
　　第二，基于用戶查詢?nèi)罩局形牟樵儔嚎s?；ヂ?lián)網(wǎng)搜索引擎的查詢有越來越長的趨勢，并且長查詢由于含有冗余信息搜索結(jié)果相對不佳，為此我們研究長查詢壓縮技術(shù)。將長查詢分詞，利用有監(jiān)督機(jī)器學(xué)習(xí)的方法以詞為單位判斷這個詞是否為查詢中的關(guān)鍵成分。分別采用基于支持向量機(jī)的分類方法和基于條件隨機(jī)域模型的序列化標(biāo)注方法，實(shí)驗(yàn)對比兩種方法的結(jié)果，序列化標(biāo)注方法的效果更好。同時，通過分析不同特征對關(guān)鍵成分識別的