查詢意圖識別的關(guān)鍵技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)上信息的爆炸式增長，搜索引擎扮演著越來越重要的角色。當(dāng)前的搜索引擎主要是通過計算用戶查詢和文檔的相似度來返回檢索結(jié)果的。然而基于相似度的搜索方式僅僅會返回包含查詢關(guān)鍵詞的網(wǎng)頁，而沒有對查詢背后用戶真正的需求進(jìn)行識別與匹配。對于具有復(fù)雜信息需求的查詢，搜索引擎返回的搜索結(jié)果往往包含有較多不符合用戶需求的噪聲網(wǎng)頁，從而無法充分滿足用戶需求。因此，進(jìn)行用戶查詢意圖識別的相關(guān)研究，深入理解用戶的查詢意圖是十分必要的。
　　到目前為

2、止，使用最為廣泛的意圖類別體系是Broder提出的“信息類，導(dǎo)航類，事務(wù)類”這三種意圖類型。本文對查詢意圖的類別進(jìn)行了新的定義，新定義的意圖類別體系是基于某一特定的領(lǐng)域的，本文定義的查詢意圖分為三類:獲取實體的屬性值、查找某個實體的相關(guān)信息以及對某一實體的操作。本文的研究工作主要圍繞下面兩點進(jìn)行:第一，通過分類的方法對查詢進(jìn)行領(lǐng)域識別;第二，在特定領(lǐng)域下，對查詢的意圖類型進(jìn)行識別，并抽取查詢關(guān)鍵詞，最后生成查詢意圖解析結(jié)果。
　　

3、查詢領(lǐng)域識別的問題轉(zhuǎn)化為查詢的分類問題，但是對查詢進(jìn)行分類主要存在兩個問題:首先，用戶查詢的長度較短，從查詢中所能抽取到的特征比較稀疏;其次，基于機器學(xué)習(xí)的分類方法需要一定規(guī)模的訓(xùn)練數(shù)據(jù)，而人工地對大規(guī)模的查詢進(jìn)行領(lǐng)域標(biāo)注是不現(xiàn)實的。本文借助百度百科中的在線知識對查詢進(jìn)行特征擴展，解決了查詢特征稀疏的問題;本文利用網(wǎng)頁分類導(dǎo)航網(wǎng)站對網(wǎng)頁URL進(jìn)行領(lǐng)域標(biāo)注，對查詢?nèi)罩具M(jìn)行統(tǒng)計分析，得到查詢點擊URL的分布，根據(jù)URL所屬領(lǐng)域?qū)崿F(xiàn)對查詢領(lǐng)域

4、的自動標(biāo)注。
　　特定領(lǐng)域下查詢意圖的識別是本文研究的另一個重點。首先，本文構(gòu)建了基本概念體系和領(lǐng)域意圖知識庫，基本概念體系不僅對通用的詞匯（比如時間、地點等）進(jìn)行了概念抽象，同時也對領(lǐng)域內(nèi)的專名詞典構(gòu)筑了概念體系;領(lǐng)域意圖知識庫的構(gòu)建需要對領(lǐng)域內(nèi)實體、屬性、意圖特征模板進(jìn)行挖掘。其次，基于基本概念體系和領(lǐng)域意圖知識庫，對某一領(lǐng)域的查詢進(jìn)行意圖解析，并抽取查詢關(guān)鍵詞，生成查詢意圖解析結(jié)果。
　　綜上，本文的貢獻(xiàn)度主要表現(xiàn)在: