融合用户实时搜索状态的自适应查询推荐模型*

李竞飞，商振国，张　鹏，宋大为

天津大学 天津市认知计算与应用重点实验室，天津 300072

融合用户实时搜索状态的自适应查询推荐模型*

李竞飞，商振国，张鹏+，宋大为

天津大学 天津市认知计算与应用重点实验室，天津 300072

传统的查询推荐算法通过挖掘查询日志为用户推荐查询词。通常现存模型只考虑原始查询词与推荐词之间的关系（例如语义相似性或相关性等），没有考虑用户在搜索过程中的满意度情况。针对用户在搜索过程中表现出的不同满意度状态，提出了一个查询推荐基本假设，并通过开展在线用户问卷调查，验证了这一假设。基于相应的假设，提出了一种基于用户搜索满意度状态的自适应查询推荐模型，该模型可以为用户智能推荐不同种类的查询词。当用户对搜索结果满意时，模型将为用户提供更加新颖的推荐词；当用户对搜索结果不满意时，模型将为用户提供一些增强信息表示能力的查询词。大规模日志实验表明，提出的推荐模型显著优于传统的查询流图模型，证明了所提模型的有效性。

查询推荐；查询流图；搜索状态；满意度

1　引言

查询推荐已经成为现代搜索引擎（例如百度、必应和谷歌等）必备的功能之一。虽然现有的查询推荐算法已经能够满足用户的基本需求，但是查询推荐的准确性和智能性还有待进一步提升。为了提高查询推荐质量，研究人员已经提出了大量的查询推荐模型[1-4]。许多经典的查询推荐模型是基于查询日志提出的，例如查询流图模型（query flow graph，QFG）[3]。……