个性化智能搜索引擎中查询扩展技术研究
智能化检索技术研究与应用
智能化检索技术研究与应用随着信息时代的到来，信息海量化已成为现实。
而检索技术的进步和智能化水平的不断提高，则成为了解决信息海量化下信息检索难题的关键。
本文将重点探讨智能化检索技术的研究与应用。
一、智能化检索技术简介智能化检索技术是指利用计算机、人工智能等现代技术，建立智能化的信息检索系统。
该系统可通过语音、图像、文字等多种方式获取信息，再利用自然语言处理、机器学习等技术进行信息分析、处理、排序，最终返回用户所需的信息。
智能化检索技术的特点在于，它可以提供个性化、精准化的搜索结果，并且能够根据用户的搜索习惯进行长期学习，进一步提高搜索效果和用户体验。
二、智能化检索技术的研究进展目前，智能化检索技术的研究主要包括以下几个方面：1.自然语言处理技术自然语言处理是智能化检索技术的基础，它可以让计算机能够理解人类语言，并将语言转化为可编程的形式。
自然语言处理技术的广泛应用，可以使得用户通过自然语言与计算机进行交互，进一步提高搜索效率和用户体验。
2.机器学习技术机器学习技术是智能化检索技术中一项重要的技术，它可以通过训练模型来识别相关信息，从而提高搜索准确性和效率。
目前，机器学习技术已经广泛应用于智能化检索技术中，如基于用户搜索历史的内容推荐、基于语义匹配的搜索结果排序等。
3.知识图谱技术知识图谱是人工智能领域的一项核心技术，也是智能化检索技术中重要的研究方向。
通过构建知识图谱，可以将人类知识和信息系统结合起来，形成一个全面、结构化的知识库，进而提高智能化检索技术的精准性和智能化水平。
三、智能化检索技术的应用智能化检索技术已经逐渐渗透到我们的日常生活中，以下是智能化检索技术的一些应用案例：1.社交媒体社交媒体平台如微博、微信等，已经开始采用智能化检索技术，以提供更加精准的搜索结果和内容推荐。
智能化检索技术的应用，可以使得用户更加快速、精准地找到他们感兴趣的内容，并增强平台的用户黏性和用户满意度。
2.电商平台电商平台如淘宝、京东等，通过智能化检索技术，可以提供更加精准、个性化的搜索结果和商品推荐。
领域本体支持下的语义查询扩展研究
领域本体支持下的语义查询扩展研究摘要：人们在利用搜索引擎进行信息检索时，较少的检索词难以反映用户真正的检索意图，因此对用户输入的检索词进行扩展尤为必要。
对传统的查询扩展进行了改进，通过建立领域本体，借助本体及本体的推理机制，将用户输入的检索词从直接和间接两方面扩展为语义联系的查询关键词集合，以提高信息检索质量和效率。
关键词：领域本体；语义扩展；信息检索0引言随着Internet的不断发展，信息量增长突飞猛进，如何从海量信息中获取用户所需要的信息，成为一项极富现实意义的课题。
目前人们比较习惯于通过反复输入不同关键词获取所需信息，对于用户来讲关键词的选取就显得尤为重要，但有可能因关键词的选用问题而漏掉有用信息，例如用户输入教育技术关键词进行查找，就会漏掉教学技术的相关信息，在国际上教育技术和教学技术是同一个概念，这样检索的查全率必然受到极大影响。
Wen等通过对微软公司旗下MSN中的Encarta在线百科全书网站连续两个月的用户查询记录进行分析，发现49%的用户查询仅有其中一个单词，33%的查询有两个单词，用户平均使用1.4个单词描述它们的查询，这给基于关键词的查询系统带来了巨大的困难＼[1＼]。
根据统计，人们用完全相同的词描述同一概念的可能性小于20%，并且当用户查询越短时不匹配的现象也越普遍，当查询词增多时，查询词在文档中出现的概率也大大增加，因此，对用户输入的关键词进行扩展十分必要。
本文改进了传统的查询扩展，以教育技术学为例通过建立领域本体，加入了分词技术，借助本体及本体的推理机制，将用户输入的检索词从直接和间接两方面扩展为语义联系的查询关键词集合，以提高信息检索质量和效率。
1查询扩展研究综述查询扩展（（QueryExPansion，简称QE）技术是利用计算机语言学、信息学等多种技术，在原用户查询词的基础上通过一定的方法和策略把原查询相关的词、词组添加到原查询中，组成新的、更能准确表达用户查询意图的查询词序列，然后用新查询词对查询文档重新检索，从而改善信息检索中查全率和查准率低下的问题，解决信息检索领域词的不匹配问题，以弥补用户查询信息不足的缺陷。
移动推荐系统中的个性化查询与推荐算法研究
移动推荐系统中的个性化查询与推荐算法研究随着移动互联网的快速发展，移动应用领域的推荐系统已成为用户获取个性化服务和信息的重要途径。
移动推荐系统采用算法和模型通过分析用户的行为和兴趣，向用户提供个性化的推荐内容，从而提高用户体验和效果。
本文将对移动推荐系统中的个性化查询与推荐算法进行研究。
个性化查询是移动推荐系统中的重要环节之一。
通过对用户的查询需求和查询历史进行分析，系统可以更准确地理解用户的兴趣和意图，从而提供更加精准的推荐结果。
在个性化查询中，关键问题是如何通过用户的查询行为和查询文本来推断用户的需求。
一种常用的个性化查询算法是基于用户的兴趣模型。
该算法通过分析用户在移动应用中的行为，例如点击、浏览、收藏等，构建用户的兴趣模型。
兴趣模型可以是一个向量，表示用户对不同兴趣领域的偏好程度。
在查询时，系统会根据用户的兴趣模型匹配相关的推荐内容，从而提供个性化的查询结果。
除了用户的行为信息外，查询文本也是个性化查询的重要数据源。
通过对用户查询文本的分析，系统可以更准确地了解用户的需求。
一种常见的算法是基于关键词的查询推荐算法。
该算法通过提取用户查询文本中的关键词，与推荐内容中的关键词进行匹配，从而推断用户的兴趣。
同时，还有一些深度学习算法可以通过对查询文本的语义分析，更精确地推断用户的需求。
个性化推荐是移动推荐系统中的核心技术之一。
通过对用户的行为和兴趣进行分析，移动推荐系统可以向用户提供个性化的推荐内容，提高用户的满意度和留存率。
个性化推荐算法可以分为协同过滤算法、基于内容的推荐算法和深度学习算法等。
协同过滤算法是推荐系统中最经典的算法之一，主要通过分析用户的历史行为和行为模式，找到相似的用户或物品，并将其推荐给用户。
在移动推荐系统中，协同过滤算法可以分为基于用户的协同过滤算法和基于物品的协同过滤算法。
基于用户的协同过滤算法会根据用户的评分行为，找到与其兴趣相似的其他用户，并推荐他们喜欢的内容给用户。
个性化搜索引擎技术研究
个性化搜索引擎技术研究摘要：个性化搜索引擎是一种用户驱动网页排名结果的优化方式。
基于本体和语义网，用户建模可以作出准确的查询结果，它包括：限定搜索方式、过滤搜索结果，以及成为搜索过程等3种方式。
因此，个性化搜索引擎用户模型可被视为用户驱动个性化搜索服务的模型。
研究结论是整合前人研究并且提出“用户行为（用户兴趣、用户偏好、用户查询记录）－用户文档（用户行为与关键词组）－用户建模(相关性算法与排名算法)－个性化服务”的新模型，可作为数字图书馆发展个性化搜索引擎的指引。
关键词：信息检索;信息搜索;信息搜寻行为; 用户参与;个性化数字图书馆1 技术：优化搜索引擎的方法1.1 用户建模限定搜索方式一个简单（或直接的）实现个性化搜索引擎的方式，就是在用户搜索之前，预设它们的用户兴趣（interest）或用户偏好（preferences）。
当用户登入系统后，系统在用户先前所指定的主题领域内，或者文献类型内，或者文献/网页发布时间内等，有范围地进行检索。
这是一般数字图书馆信息检索系统所采用的个性化系统模式。
目前，这种方式在个性化搜索引擎系统中的应用不多，但是具有两个重要趋势，值得数字图书馆参考。
（1）整合用户兴趣的表单、用户偏好的设定以及网页排名算法，进行个性化搜索服务。
具体技术线路为：结合经典的平面排名名单和搜索引擎，让用户通过选择具有层次结构的文件夹标签（主题），以交互方式查询，在浏览过程中进行知识提取、查询优化和搜索结果个性化。
这种服务模式与个性化数字图书馆相似，但是更着重用户在浏览过程中的二次查询、根据结果进一步查询，以及结合其它情报分析系统的辅助查询等设计。
可说是个性化数字图书馆的进化版本。
（2）从用户行为中，建立用户文档，将用户文档与领域本体（关键词组的关联设定）结合，进行个性化搜索服务。
具体技术线路为：分析用户的点击记录、估计用户兴趣建立本体、利用本体替代用户当前查询的词汇。
当计算用户兴趣以优化查询过程时，需要能够有效地识别用户喜好以及为每个用户建立一个配置文件，一旦这样的配置文件是可用的，还需要在众多查询相匹配方案中确定用户兴趣集。
基于语义网络的智能搜索引擎技术研究
基于语义网络的智能搜索引擎技术研究随着信息时代的来临，信息量的爆炸性增长和信息化程度的提高，互联网已成为人类获取信息的主要途径。
但是，互联网上存在大量的信息，其不规则性、冗余性、不确定性、模糊性等特点使得搜索引擎的精度和效率存在着很大的提升空间。
为了解决这一问题，基于语义网络的智能搜索引擎技术正逐渐兴起。
一、基于语义网络的智能搜索引擎技术概述基于语义网络的智能搜索引擎技术是一种新型的搜索引擎技术。
它通过对互联网上的信息进行结构化处理、自然语言处理、语义分析和智能推理等技术手段，构建出一个具有智能的搜索引擎。
它能够自动理解用户查询意图，从而能够实现精准的搜索结果展示和推荐。
二、基于语义网络的智能搜索引擎技术的特点1. 对自然语言的处理能力。
基于语义网络的智能搜索引擎技术能够处理自然语言，能够自动识别用户的查询意图，并从海量的信息中提取出相关的信息，大大提高了搜索引擎的准确性。
2. 对信息的结构化处理能力。
基于语义网络的智能搜索引擎技术能够对海量的信息进行结构化处理，使得信息之间的关系更加清晰明了，使得搜索引擎能够更好地处理和检索相关信息。
3. 对语义的分析和推理能力。
基于语义网络的智能搜索引擎技术能够对搜索结果进行精准的语义分析和推理，从而给出更符合用户需求的搜索结果。
三、基于语义网络的智能搜索引擎技术的研究进展随着科技的不断发展，基于语义网络的智能搜索引擎技术也在不断地进行着研究和发展。
目前，这一领域的研究主要集中在以下几个方面：1. 语义网技术的应用。
利用语义网技术，将知识库转化成一张又一张的知识图谱。
基于语义网络的智能搜索引擎技术可以在此基础上进行一些深层次的知识推理和知识分析。
2. 自然语言处理技术的应用。
随着自然语言处理技术的不断发展，基于语义网络的智能搜索引擎技术也将继续不断地发展和完善。
未来，也许可以实现真正的人机交互，实现电脑自动理解人类语言的能力。
3. 普适计算技术的应用。
普适计算技术主要利用传感器等设备，对用户进行不间断、无缝的计算、通信和信息获取等服务。
个性化查询扩展方法论文
个性化查询的扩展方法摘要：查询（query），指的是用户在对搜索引擎进行使用中，在搜索框内输入的有单个或者多个词以及短语自称的字符序列，在这其中也有可能包括逻辑上的操作符等。
个性化查询扩展主要研究的是怎样利用用户在历史反馈信息对未来的查询进行扩展以及用户的历史查询对目前查询产生的影响。
关键词：片段分析；局部查询分析；全局查询分析；局部上下文分析方法中图分类号：tp391.1 文献标识码：a 文章编号：1007-9599 (2011) 22-0000-02expansion methods of personalized querymao xiwen(sipo patent review collaboration beijing center,beijing 100190,china)abstract:query(query),refers to the user in the use of search engines,in the search box are single or multiple words and phrases claiming to be the sequence of characters,in which also may include logical operators,etc..personalized query expansion is the main research in the history of how the use of user feedback for future expansion and query the user’s query history,the impact of the current query.keywords:fragment analysis;local query andanalysis;global query analysis;local context analysis一、查询扩展技术的概述查询扩展技术指的是能够全面提高查询完整率的一种有效方法。
个性化查询的扩展方法
摘 ｔ： － 查询 （ ｕｒ） 指的是用户在对搜索引擎进行使用中， Ｑｅ ， ｙ 在搜索框内 输入的有单个或者多个词以 及短语 自 称的
字符序列，在这其中也有可能包括逻辑上的操作符等。个性化查询扩展主要研究的是怎样利用用户在历史反馈信息对未来
的 查询进 行 扩展 以及 用 户的历 史查 询对 Ｉ前 查询 产 生的影 响 。 ／ １ 关键 词 ：片段 分 析 ；局 部 查询 分析 ；全 局 查询 分析 ；局部 上 下文分 析 方法
（ ＩＯ ａｅ ｔ ｅ ｉｗＣ ｌ ｂ ｒｔ ｎＢ ｉ ｇＣ ｎｅ，ｅｉｇ １ ０Ｃｈ ａ ＳＰ Ｐ ｔｎ Ｒ ｖ ｏｌ ｏａｉ ｅ ｉ ｅ ｔｒ ｉ １ ０ ， ｉ ） ｅ ａ ｏ ｊ ｎ Ｂ ｊ ｎ ０ ９ ｎ
Ａ ｓ ａ ｔ ｕ ｙＱ ｅｙ， ｆｒ ｔ ｔ ｓｒ ｎｔｅｕ ｅｏ ａｃ ｎ ｉｅ， ｅｓａｃ ｏ ｒ ｉ ｌ ｏ ｕｔ ｌ ｗ ｒ ｓ ｎ ｂ ｔ ｃ： ｅ （ ｕ ｒ） ｅ ｓ ｏ ｈ ｕ ｅ ｓ ｆ ｅｒｈ ｅ ｇ ｓｎ ｔ ｅｒ ｂ ｘ ａ ｓ ｇｅ ｒｍ ｌｐｅ ｏｄ ｄ ｒ Ｑ ｒ ｒｅ ｅ ｉｈ ｓ ｎ ｉｈ ｈ ｅ ｎ ｉ ａ
ｔ ｅｍ ａｎ ｒｓ ａ ｃ ｎ ｔｅｈ ｓｏ ｆｈｏ ｔ ｅｕｓ ｈ ｉ ｅ ｅ ｒ ｈｉ ｈ ｉｔ ｒ ｏ ｙ ｗ ｅｏｆｕ ｅ ｅ ｄ ｃ ｏ ｕ ｕ ｅｅ ｐ ｎ ｉｎ ａ ｄ ｑ ｅ ｅｕｓ ｒｓｑ ｅｙ ｈ ｓｏ ， ｍ ｐ ｃ ｈ ｓ ｆｅ ｂａ ｋ ｆ ｒｆ ｔ ｒ ｘ ａ ｓｏ ｎ ｒ ｔ ｅ ’ ｕ ｒ ｉｔｒ ｔ ｉ ａ ｔ ｒ ｕ ｙ ｈ ｙ ｈｅ ｏ ｈ ｕ ｒｎｔ ｅｙ ｆｔ ｅｃ ｒｅ ｑ ｒ ． ｕ
中图分类号 ：Ｔ ３１ Ｐ ９． １
文献标识码 ：Ａ
文章编号 ：１０ — ５９（ ０ １ ２ ０６— ２ ０７ ９９ ２１ ）２— ０９ ０
基于语义分析的智能搜索引擎技术研究
基于语义分析的智能搜索引擎技术研究智能搜索引擎是当今信息获取和知识检索的重要工具。
它基于语义分析技术，能够对用户的查询意图进行准确理解，并从大量的数据中提供最相关的结果。
本文将探讨基于语义分析的智能搜索引擎技术的研究进展和应用前景。
一、引言随着互联网的发展，信息爆炸式增长给用户带来了巨大挑战。
传统的关键词搜索已经无法满足用户的需求，因为它往往只考虑了表面的文字匹配，无法真正理解用户的查询意图。
而基于语义分析的智能搜索引擎可以通过理解用户的查询意图，提供更准确、个性化的搜索结果。
二、语义分析技术1. 自然语言处理自然语言处理（NLP）技术是实现语义分析的基础。
它涉及词汇、句法和语义等多个层面的处理，能够将人类语言转化为计算机能够理解和处理的形式。
2. 语义理解语义理解是智能搜索引擎的核心技术之一。
它利用自然语言处理技术将用户的查询意图转化为机器可以理解的形式。
通过了解查询中的语义关系和上下文，搜索引擎可以更好地理解用户的需求。
三、智能搜索引擎的应用1. 智能问答基于语义分析的智能搜索引擎可以实现智能问答系统。
用户可以通过提问的方式获取最相关的答案。
搜索引擎可以理解用户的问题，并根据大量的知识库和数据库提供准确的答案。
2. 智能推荐智能搜索引擎还可以根据用户的个人偏好和历史行为进行智能推荐。
通过分析用户的搜索历史和兴趣，搜索引擎可以提供更加个性化的搜索结果和推荐内容。
3. 多模态搜索语义分析技术也可应用于多模态搜索。
通过理解用户提供的文字、图像和声音等多种输入形式，搜索引擎可以提供更加全面和准确的结果。
四、智能搜索引擎技术的挑战尽管语义分析的智能搜索引擎技术取得了很大的进步，但还面临一些挑战。
1. 多语言处理不同的语言有着不同的语义结构，对于多语言处理的需求日益增长。
智能搜索引擎需要具备跨语言理解的能力，以提供全球用户更好的搜索体验。
2. 大数据处理随着信息的爆炸式增长，智能搜索引擎需要处理大规模的数据。
面向移动互联网的个性化信息检索与推荐技术研究
面向移动互联网的个性化信息检索与推荐技术研究个性化信息检索与推荐技术是移动互联网发展中的一个重要领域。
随着互联网和移动设备的普及，用户对个性化、定制化的服务需求越来越高。
而在海量信息的时代背景下，如何帮助用户高效地获取其感兴趣的信息成为了一个重要问题。
本文将针对面向移动互联网的个性化信息检索与推荐技术进行研究和探讨。
首先，个性化信息检索是根据用户的个性化需求和兴趣，通过智能化技术来为用户提供有针对性的信息搜索服务。
它通过分析用户的历史行为数据、用户偏好、兴趣标签等多个维度来理解用户的需求，并将这些信息应用到搜索算法中，提供与用户兴趣相关的搜索结果。
在移动互联网环境下，个性化信息检索技术可以对用户进行精准的搜索推荐，提高信息检索的准确性和效率。
其次，个性化信息推荐技术是根据用户的兴趣和喜好，通过分析用户行为数据和社交网络关系，为用户推荐他们可能感兴趣的内容。
个性化推荐系统可以通过对用户的浏览历史、购买记录、评论行为等数据进行分析，构建用户画像，从而精准地为用户推荐相关的内容。
在移动互联网环境下，个性化推荐系统可以帮助用户在众多的信息中迅速找到符合自己兴趣的内容，提高用户体验。
个性化信息检索与推荐技术的核心是对用户行为数据的深度挖掘和分析。
传统的个性化推荐算法主要基于协同过滤、内容分析和基于标签的方法。
协同过滤算法主要通过分析用户行为数据，找出与当前用户兴趣相似的其他用户，然后根据这些相似用户的行为，为当前用户进行推荐。
内容分析算法通过分析文本内容、关键词和标签等信息，为用户推荐相关的内容。
基于标签的方法则是通过分析用户打标签的行为，提取用户的兴趣标签，然后根据这些标签来进行推荐。
然而，传统的个性化信息检索与推荐技术在移动互联网环境下面临一些挑战。
首先，移动设备的屏幕较小，用户的浏览时间有限，因此个性化信息检索与推荐技术需要更快地响应用户需求，提高推荐的准确率和召回率。
其次，移动互联网环境中用户行为数据往往稀疏，传统的算法在这种情况下容易出现冷启动问题。
智能桌面元搜索引擎中个性化研究
人们需要的个性化信息却更加分散 ， 网上信息具有的分布、 动态变化 、 结构复杂等特点 ， 使人们面临着信息过 载和资源迷向的问题 ， 过量的信息等于没有信息． 如何从海量 的信息中高效全面ቤተ መጻሕፍቲ ባይዱ获取所需知识及最新信 息， 如何 提 高 网络 的 主动信息 服务能 力 ， 足用 户不 同的个 性化需 求 是人 们 急待 解决 的 问题． 满 信息 服务 模式 越来越成为影响服务质量和效率的主要因素． 目前人们主要是借助于搜索 引擎来进行信息查找和定位， 它通 过 自动浏览 程序 对 Ｗｅ ｂ站点 进行 自动搜 索 ， 文档 信 息进 行 分类 索 引建 索 引数 据 库 ， 对 根据 用 户提 交 的关 键 词来检索 ， 匹配站点的 Ｕ Ｌ 回给用户 ， 将 Ｒ 返 用户再选择链接． 这种基本不具智能的搜索引擎提供的服务有很 多缺点． 首先是查询效率低 ， 查准率不高 ， 回结果成千上万， 返 冗余 和噪声信息太多 ， 用户需 自行判断返 回信 息的相关性 ； 各搜索引擎的信息库互不相通 ， 用同一关键词使用不同的搜索引擎得出的结果差别很大． 其次 由于网络信息的动态发布使搜索引擎的索引库很难与网上的实际信息保持 同步， 而且搜索引擎不能很好地 学习用户的兴趣 ， 所以如何开展个性化主动的信息服务成为当前人们研究的热点．
收 稿 日期 ：０６—０ ２０ ８—２ ． ０ 基金项 目： 湖北省科技 攻关计 划项 目资助（０ ４ Ａ １ Ｂ １ ． ２０ Ａ ２ ０ ０ ） 作者简介 ： 谢坤武（ ９ ０一 ） 男 ， 士， １７ ， 硕 副教授 ． 主要从事数据库 、 软件开发技术方 面的研究
维普资讯
Ｖｏ ． ４ ＮＯ ４ １２ ．
Ｄ ｃ２ｏ ｅ．ｏ ６
智 能 桌面 元搜 索 引擎 中个 性化 研 究
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
哈尔滨工业大学工学硕士学位论文
目
摘
录
要 ..................................................................................................................... I
Abstract ................................................................................................................... II 第 1 章 绪 论 ....................................................................................................... 1 1.1 课题的来源 ................................................................................................. 1 1.2 课题研究的目的和意义 ............................................................................. 1 1.3 国内外研究现状分析 ................................................................................. 2 1.3.1 搜索引擎现状 ...................................................................................... 2 1.3.2 查询扩展技术现状 .............................................................................. 3 1.4 本文研究内容 ............................................................................................. 4 第 2 章 搜索引擎中查询扩展与兴趣挖掘分析技术 ............................................. 5 2.1 搜索引擎系统结构 ..................................................................................... 5 2.2 搜索引擎中存在的问题 ............................................................................. 6 2.3 搜索引擎中的查询扩展及用户兴趣提取 ................................................. 6 2.4 本章小结 ..................................................................................................... 8 第 3 章 关键词词义扩展技术 ................................................................................ 9 3.1 利用 HowNet 进行关键词扩展 ................................................................ 10 3.1.1 义原相似度计算 .................................................................................11 3.1.2 概念相似度计算 ................................................................................ 12 3.1.3 HowNet 关键词扩展 ........................................................................... 14 3.2 利用同义词词林进行关键词扩展 ........................................................... 17 3.2.1 同义词词林结构及其词条编码 ........................................................ 17 3.2.2 同义词词林关键词扩展 .................................................................... 19 3.3 关键词扩展实现及结果分析 ................................................................... 20 3.4 本章小结 ................................................................................................... 22 第 4 章 问句处理方法研究 .................................................................................. 23 4.1 问句内部关键词提取及扩展 ................................................................... 23 4.1.1 中文分词 ............................................................................................ 23 4.1.2 关键词选取及扩展 ............................................................................ 24 4.2 利用问句语义信息进行语义扩展 ........................................................... 26 4.2.1 构建问句分类体系 ............................................................................ 27 4.2.2 基于改进贝叶斯模型的问句分类 .................................................... 28
硕士学位论文
个性化智能搜索引擎中查询扩展技术研究
QUERY EXPANSION RESEARCH IN PERSONALIZED INTELLIGENT SEARCH ENGINE
朱玉皎
哈尔滨工业大学 2012 年 7 月 621.3
学校代码： 10213 密级：公开
I
哈尔滨工业大学工学硕士学位论文
Abstract
With the continuous development of Internet, the amount of the network information is increasing; people have become increasingly demanding on the recall rate, precision and personalized aspects of the search engine. Query expansion is a key link in the personalized intelligent search engine. Before searching the user's query, Query expansion extends the user's query effectively, which greatly improves the recall and the precision ratio of the search engine. Firstly, we extend the word entered by the user, and then use the Tongyici Cilin and HowNet to calculate the similarity between the word user entered and the word in Tongyici Cilin and HowNet. We find the words, which are the most similar to the user input in Tongyici Cilin and HowNet, to extend the word entered by user. Secondly, we expand the user ’s query question. The realization of this function consists of two parts. On the one hand, we extract and expand the keywords of the query question. By eliminating the redundant part of the query question and cutting the query question into words, we get the keywords of the query question. And then we expand these keywords as mentioned in paragraph above. On the other hand, we use commonly used words of questions' answers to expand the user's query question. We classify user's query question, and then collect the common used words of this type questions' answers. At last, we use the common used words to expand the user's query question. Then, we get user's interests by analyzing user's browsing behaviors. Through the analysis of the URLs in the user IE favorites and user browsing history, we extract the body of the corresponding web page; the body we get form web page was saved as a document. In this paper we use TF-IDF vector space model to generate a vector set, which corresponded to the set of documents. The vector set was clustered. Then we analyze the clustering results and extract the words which can represent the user's interests. Finally, query expansion and the user interest extraction were adding to the personalized intelligent search engine. First of all, we extend the query entered by the user. Then, we retrieve the extended query in the search engine. Finally, the search results are sorted according to the user's interest. Keywords ：search engine, query expansion, user interest mining, Tongyici Cilin, HowNet