Learning Query Ambiguity Models by Using Search Logs
宋睿华, 窦志成, 洪小文, 俞勇 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2010
dentifying 模糊询问是关键的在个性化的网搜索和搜索结果差异上研究。直觉地，当发出询问时，询问日志包含用户们有多少意愿的珍贵信息。然而，以前的工作证明用户按独自在认为询问是是模糊的是似是而非的。在这篇论文，我们处理由使用搜索木头学习一个询问歧义模型的问题。首先，我们求婚由这些文件由用户点按的采矿充实询问并且相关在一次会话在询问上面列在后面。第二，我们使用一个文章分类器印射这些文件和询问进预定义的范畴。第三，我们求婚从处理数据提取特征。最后，我们使用一个最先进的算法，支持向量机器(SVM ) ，学习一个询问歧义分类器。试验性的结果证实按的唯一的使用基于基于的特征或会议特征表现比以前的工作更坏基于最高的检索文件。当我们联合特征的二个集合时，我们的建议途径完成最好的有效性，明确地 86% 以精确性。它显著地改进基于的按在 5.6% 的方法和会议在 4.6% 基于方法。