基于用户行为学习的元搜索结果聚类方法研究*

 为解决搜索引擎结果繁杂而导致的浏览性不高的问题,提出一个基于用户行为学习的元搜索框架和结果聚类方法,并加以详细描述。利用该框架与方法,可以实时搜集用户行为进行推理学习,将学习到的有效知识存入知识库用以指导结果聚类,并随着用户的搜索过程不断调整完善。原型系统证明该方法是可行有效的。     

基于用户日志的移动搜索行为分析

认为移动搜索用户行为特征与规律的发现,对移动搜索服务的改进具有重要的参考价值。基于国内某大型学术类网站一批包含300余万条有效记录的日志数据,分析查询串、搜索时间的分布、搜索会话、移动搜索设备终端等我国移动搜索用户行为的基本特征指标。研究结果显示:与传统PC搜索相比,移动用户的查询时间分布更均匀,会话更短,使用查询推荐比例更少,移动智能终端设备用户搜索更频繁。     

基于查询意图聚类的实时搜索建议

对于搜索引擎返回的结果太多且较少考虑用户个性差异等缺陷,提出根据用户查询意图,实时给予多个主题的搜索建议,帮助用户更准确地描述所需信息,修正查询词与真实意图之间的差距,提高检索效率。同时运用K-means算法,对资源类别的意图特征值相似用户进行聚类,缩小查找目标对象最近邻居的范围,提高搜索建议的实时响应速度。实验结果表明,该方法是可行的。     

一种基于后缀树的Web搜索结果聚类方法

为同时满足Web搜索结果聚类的关联性、快速性以及类别描述的可浏览性等需求,本文提出了一种适合中文Web信息搜索结果的后缀树聚类算法,其中后缀树的构建以中文汉字为基本单位,一种有效的策略解决了基于二进制方法合并短语类后的类别描述问题,利用短语类语义层面的相似性合并同义短语类,有效地改善了聚类结果的质量.测试结果表明:与传统的文档聚类算法相比,基于后缀树的算法在Web文档聚类的精度和效率方面具有较强的优越性.     

聚类搜索引擎探究

一批代表性的聚类搜索引擎的出现,使得聚类搜索引擎的优劣逐步为公众所知.采用聚类算法、重视结果的显示方式、关注用户提问信息、提供个性化服务均是聚类搜索引擎最显著的优点,应该引起足够的重视.针对过分依托原生搜索引擎、没有形成专用聚类算法、搜索速度相对较慢、聚类层次有限等现状,作者最后还对聚类搜索引擎的发展提出了一些建议,比如实现人工聚类与自动聚类结合、增加学术趋势分析功能、加强相关度研究等.     

基于Single-Pass的网络话题在线聚类方法研究

基于Single-Pass算法思想,研究网络话题的在线聚类方法,以期及时捕捉网络信息的动态变化在分析该方法聚类流程的基础上,重点研究网络动态信息流的文本特征抽取和权重计算方法,以及话题类表示和更新等关键问题,设计实验对比分析不同的标题中特征加权系数、特征权重计算和标准化方法以及话题类向量维度对话题聚类质量和时间效率的影响。     

聚类搜索引擎发展现状研究

分析研究搜索引擎发展轨迹及国内外聚类搜索引擎的发展现状,通过对国内外现有聚类搜索引擎功能的分析,提出“以用户为中心”的聚类2.0搜索是未来聚类搜索引擎,乃至搜索引擎的发展趋势。     

大学生用户移动搜索策略研究

在移动互联网迅速发展的背景下,移动搜索日趋普遍,搜索策略成为用户行为研究的一个重要方面。现有用户搜索策略研究包含查询式和搜索会话的统计分析,以及结合用户的信息需求、搜索情境来分析原因。本研究通过非受控实验的方式,对大学生用户在移动环境下的查询式构造、搜索会话中的查询式及搜索会话的其他特征进行分析。研究发现:在移动环境下大学生用户习惯使用多种语言组配进行搜索;搜索信息的主题类型存在聚焦现象;移动搜索更加便捷,大学生用户通过更短的查询式、搜索会话便可满足其信息需求;大学生用户会通过多种策略,在手机上执行较为复杂的搜索任务;其搜索活动会引发其他后续活动。研究大学生用户在移动环境下的搜索策略,可了解其搜索行为特征,有助于搜索引擎服务商提供更符合其搜索习惯的服务,更好地满足其信息需求,提高搜索效率。图11。表5。参考文献27。     

通过日志挖掘研究图书馆资源发现服务用户的搜索行为

通过日志挖掘的方法对图书馆资源发现服务用户的搜索行为进行研究。搭建一个搜索日志中间平台,用于产生和记录相关日志信息;用Java编写日志处理程序,将日志信息存储于MySQL数据库中;基于日志结果,从检索方式、查询语言与查询长度、分面点击、查询词修改等方面对用户搜索行为进行分析,希望能对图书馆资源发现服务的部署、应用和优化提供参考。     

网络搜索中语言使用特征研究

以网络搜索中语言使用的特征为研究对象,旨在对网络搜索中查询式的句法和语义问题进行探索性的研究。主要使用搜索引擎查询日志挖掘的方法,辅以网络问卷调查法所得到的结论进行比较分析,得出在句法、词汇类别、辅助词和主体词等方面的特征。     

基于Web挖掘与社会网络分析的用户聚类研究

web用户聚类对于个性化服务、网站结构优化等具有重要意义。文章从用户的访问路径、项目评分等角度总结了用户聚类方法及算法,指出当前用户聚类研究存在的不足,提出了结合Web挖掘与社会网络分析方法的用户聚类的模型,分析了两者结合的必要性及结合策略,形成较为完善的用户聚类机制。     

探索式搜索行为的日志挖掘研究

为了探讨探索式搜索行为的特点,设计用户实验,依据搜索能力和学历对受试者分组,设定1个提问-应答式搜索任务和2个不同复杂度的探索式搜索任务。利用屏幕录像和浏览器日志,主要从搜索动作、网页浏览、检索式等角度,挖掘不同搜索能力的受试者在不同复杂程度搜索任务中的搜索行为特点。结果表明,在探索式搜索过程中,受试者围绕中心主题搜索,同时探索其相关方面;随着搜索任务复杂度的增加,受试者搜索行为更加深入和开放;受试者搜索能力越强,其搜索效率越高、探索范围更广、程度更深。     

基于DialUnit的DIALOG检索新策略

本文主要探讨世界上最大的联机情报检索系统 Ｄ Ｉ Ａ Ｌ Ｏ Ｇ 的 Ｄｉａｌ Ｕｎｉｔ 收费新政策及其检索新策略。首先介绍了 Ｄｉａｌ Ｕｎｉｔ 收费政策,包括 Ｄｉａｌ Ｕｎｉｔ 是什么、如何计算其数量及费用。然后,针对这一收费新政策,提出了一系列检索新策略,包括注意事项、与系统的连接、数据库的选用、检索式的编制及输出选项等,旨在降低联机检索的费用,提高检索的效益。     

基于浏览器日志分析的探索式搜索行为研究

为探讨网络用户探索式搜索行为的特点,设定一个提问-应答式搜索任务和两个复杂程度不同的探索式搜索任务,并根据受试者的检索能力分组,在实验环境下,记录受试者的浏览日志。日志分析结果表明,任务类型与搜索能力均对探索式搜索行为产生不同程度的影响。与提问-应答式搜索相比,探索式搜索需要的信息量大,受试者受自身知识背景影响程度高,且任务难度越大,探索结果越多、越分散;检索能力的强弱对受试者探索式搜索行为的影响较小。     

搜索引擎用户点击行为分析

基于大规模分布式搜索引擎系统———北大“天网”的用户点击记录,本文研究发现:用户点击不同URL的数量遵从Heaps定律,点击URL的频度频级服从类Zipf分布,点击URL与页面大小相关,点击URL具有时间局部性,其顺序具有自相似性特征等一些具有普适性的规律。提出了利用点击日志确定相近查询词的一个新的有效算法。这些研究结果对于掌握用户的搜索行为,完善搜索引擎系统的设计,提高检索服务的效率和质量具有重要的意义。     

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征(用户类别特征、访问兴趣迁移特征)的缺点,提出混合隐Markov链浏览模型.混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能.     

基于用户情境及语义网技术的个性化搜索引擎

随着网络资源的不断增加,用户对网络搜索引擎的要求越来越高。为了满足用户客观、准确、及时、深入的个性化信息检索的需求,必须改进现有搜索引擎,以便用户能更多地参与搜索流程。提出了在搜索引擎检索过程中融入用户的情境信息,即建立一个用户情境模型结构,并将其与搜索引擎集成在一起,在所集成的结构中应用语义网技术,增加搜索引擎对所检索信息的语义理解,从而实现个性化的信息检索。     

校园记忆之图书馆生活——基于用户日志挖掘的呈现

通过对高校毕业生利用图书馆数据的挖掘,分析每个毕业生在校期间到馆及借阅图书情况,以轻松愉快的方式呈现毕业生个人在校期间的图书馆生活。