Determining the informational, navigational and transactional intent of web queries

最新推荐文章于 2010-12-21 17:10:00 发布

killtayoto

最新推荐文章于 2010-12-21 17:10:00 发布

阅读量925

点赞数

分类专栏：查询意图分类文章标签： web 搜索引擎工作 border session 算法

本文链接：https://blog.csdn.net/killtayoto/article/details/5982111

版权

查询意图分类专栏收录该内容

26 篇文章 0 订阅

订阅专栏

一篇非常长的文章，里面的研究方法非常值得借鉴。从问题的分析，到数据的采集与加工，再到实验以及实验分析等等，都非常的详细。论文题目是《Determining the informational, navigational and transactional intent of web queries》，翻译过来是“Web查询中的信息类、导航类和事务类的识别”。作者是Jansen, Bootn 和 Spink。

摘要

本论文将要定义以及表述一种容易理解的对于Web查询的分类。该分类包含了3个层次，顶层仍然是信息类、事务类和导航类。然后需要对每个类别定义一些属性特征，然后建立一个能够自动将Web查询进行分类的应用。最终的结果和Border的调查结果相差比较大，80%都属于信息类，其他两个都小于10%。最终的准确率达到了74%，剩下的基本都是本身具有模糊性的。根据以往的研究表明，搜索引擎提供的不仅仅是信息类的服务，还有很多其他的一些功能，比如说导航或者想进行一些商务交易。

本文研究的重点是，找到一种方法，能够有效地对用户的查询进行分类。首先需要将用户查询的类别进行组织，然后每个查询用其本身的内容或者一些其他的特征来表述，也就是找特征。然后的工作就是建立一个能够自动分类的程序，并且介绍了意图分类最终能够怎么被使用。

研究重点

建立一个用户查询意图的可理解的分类：通过分析大量的真实的Web搜索交互日志来建立一个更加详细的类别体系。
通过识别每个查询类别的特征来是这些类别的识别工作可行：对每个类别中的查询进行特征分离，为每个类别建立特征集合
实现自动分类：对大规模数据集的自动分类，评价其有效性。

研究设计

Web搜索的分类：首先还是总结了前人的一些分类的经验和结论。查询本身并非是表达查询的唯一的方式，所以还需要一些额外的特征信息。比如查询的重构、垂直选择性、系统反馈和返回页面。
Web查询的特征：大量的分析来自于多个搜索引擎的日志来对每个类别的特征进行抽取。除了查询本省，还需要一些额外的特性比如再一个session中的查询的顺序，查询长度，返回页面以及“垂直”（这个没有理解）。主要还是集中在Border的三个类别中，但是对于每一个类别，还需要迭代的方式抽取其子类别，这里主要抽取了3层。
Web查询的自动分类：首先是数据集的问题，每个数据项包括的用户表示、Cookie、时间、查询串和源（网页、图片、视频）。然后分析和加工了这些查询，最终的目的是需要得到session中的一系列动作，这和上一篇论文是一样的。

结果

分类：一个3层的分类体系，顶层的仍然是导航、信息和事务。每个类别（大类或者小类），都有非常详细的定义，以及一些例子。
特征：这里抽取的特征有一点像是启发式，比如导航类，他的特征是：包含“company/business/organization/people names”等等。其他的类别也有类似的特征定义。
自动分类：对大量的真实的查询按照“特征”步骤中的进行自动分类。一个有意思的特点是80%左右的查询都是信息类，还有一些错分的比例，并且对其进行了非常详细的分析。

总结

总结也是非常的详细的，可以参考论文，比如论文提供的方法相比较前人的优点是什么，缺点是什么。最后还提到了如何用的问题。论文用到的特征都只是用户的查询即可，而不会牵扯到其他的一些难于获得的特征，所以能够有效地利用在搜索引擎中。一个很重要的例子就是关于商务的。商务搜索的一个子方面就是需要根据用户的查询，为用户提供一些类似于广告的匹配。如果搜索引擎能够预测到这是一个有电子商务意向的搜索，那么就可以在排序算法中加重这些具有商务内容的网页的权重。或者是在这样的情况下，还可以增加广告推广的数量和质量，而不会引起用户的反感。

自己的感觉是这个文章可能对我更大的作用在于这个论文的结构。分析问题，提出可能需要的步骤。解决问题，对于每个步骤设计一个合理的方法来解决。结论，对每个步骤得出一个结论并进行总结。应用方案，需要将这些算法最终用到什么地方。最后是详细的总结。整个论文的思路都非常的清晰，而且引用的论文之多，每个步骤都非常的详细。