基于搜索引擎日志挖掘的搜索满意度评估方法研究

发布时间：2024-01-24 08:17

　　搜索引擎是用户从互联网海量数据中获取所需资源信息的主要途径之一。随着互联网数据规模急速膨胀,用户对于高效便捷获取资源信息的要求越来越高,搜索引擎需要不断地进行系统优化从而为用户提供更优质的搜索服务,因此,如何有效评估搜索引擎的质量成为了研究界与产业界关注的焦点。搜索满意度是一种以用户为核心、强调用户搜索体验的搜索引擎质量评估指标。搜索引擎日志记录了用户与搜索引擎交互过程中发生的一系列行为信息(如提交查询词、移动鼠标、点击结果等),并且搜索满意度与用户的搜索行为有很强的关联。因此,研究人员提出利用搜索行为来评估用户的搜索满意度。本文针对如何有效利用搜索行为序列中的时间间隔信息、如何有效利用鼠标光标移动的轨迹、如何在少量有标注数据的情况下训练出有效的搜索满意度评估模型三个挑战对基于搜索引擎日志挖掘的搜索满意度评估方法进行深入研究,主要内容有:1)提出了一种基于长短时记忆循环神经网络的搜索满意度评估方法。利用长短时记忆循环神经网络对搜索行为序列进行建模,实现端对端的学习,并引入虚拟停留行为来表示搜索行为序列中的变长时间;引入一种基于停留时间扰动的数据增强策略来增加搜索行为序列的模式变化,从而...

【文章页数】：125 页

【学位级别】：博士

图１．１本文主要研究内容??

图１．２本文组织结构??

图３．１本章提出方法的总体框架??本章提出方法的总体框架如图３．１所示，图中白色圆圈表示搜索行为，由于??可用的有标注数据非常少，因此使用基于ＤＴＰ的数据增强?

图３．２数据集Ａｎｓｗｅｒｃｏｒｒｅｃｔ上ＤＴＰ＋ＬＳＴＭ在／ｉｄｌｅ不同取值下的性能变化??

本文编号：3883445