基于session数据的信息检索优化方法.doc

文档介绍：
基于 session 数据的信息检索优化方法
贾洪强,肖波,刘唐**
(北京邮电大学信息与通信工程学院模式识别实验室)
5
10
15
20
25
30
35
40
摘要:本文探讨了基于 session 数据的信息检索优化算法。现有的基于 session 的检索优化算
法大多针对一个会话过程中查询关键词的变化进行查询扩展或者查询词权重修改,本文介绍
和分析了现有的一些基于 session 的优化算法并从更多的角度提出了一些优化的算法,算法
利用了更多用户与检索系统交互过程的可用信息,并且考虑了会话过程中多次查询的更多关
联因素。本文算法的实验在 ClueWeb09 数据集上进行,并参与 TREC session track 2011 评测,
取得了不错的成绩,证明了算法的有效性是相当不错的。
关键词:信息检索会话搜索引擎查询扩展
中图分类号:
Information retrieval optimization based on session data
Jia Hongqiang, Xiao Bo, Liu Tang
(Beijing University of Posts and munications)
Abstract: This paper discussed the information retrieval optimization algorithm based on the
session data. Most of the existing information retrieval optimization algorithms based on the
session data pay attention to the query changes between the session and focus on query expansion
and weight change of the qeury keywords. This paper introduced the existing algorithms and
proposed some new algorithms from different perspectives which make use of more useful
information between the session process and more associated factors of queries in one session.
The algorithms proposed in this paper are tested against the ClueWeb09 data set and we
participated in TREC session track 2011 and we obtained a good result, which proves the validity
of the proposed algorithms is quite good.
Key words: information retrieval; session; search engine; query expansion
0 引言
传统的信息检索方向技术的研究总是专注于如何针对用户的一个查询提供更好的结果,
然而事实上,用户在最终找到自己想要的东西之前,总是经历了一个与搜索引擎交互的过程,
我们称之为 session。在这个过程中,用户需要不断的变换自己的查询词或者替换成相似的
同义词,根据搜索引擎的表现来判定,以便告诉搜索引擎什么是自己想要的。对搜索引擎的
检索日志的分析显示,一半的用户会在他们的检索过程中改变最初的检索词。也就是说,对
于一个搜索引擎来讲,对检索结果进行排序的时候最好的方法并不是展示出与检索词最相关
的结果就好,而应该是按照用户在一个 session 中的表现,给出最能满足用户需求的结果。
在一个 session 中可以采集到的用户行为信息除了查询(query)以外,还有滞留时间、点
击记录等。对于实验室的研究环境,我们无法得到用户检索过程的真实数据,因此我们采用
了 TREC2011 Session Track 中的数据,此数据以卡耐基梅陇大学的 ClueWeb09 的数据作为
测试数据集,因此我们可以根据用户检索过程中的点击 URL 找到用户所关心的文章进行分
析。
作者简介:贾洪强(1988-),男,硕士,文本检索
通信联系人:肖波(1975-),男,副教授,数据挖掘,文本检索. E-mail: ******@bupt.