Building decision trees to identify the intent of a user query

前面的论文中，已经有很多的关于特征抽取的介绍了，不外乎就是文本和点击信息两方面的。很少讨论后面的分类算法的，上次我们介绍的分类算法是SVM算法，今天介绍一下用“决策树”来做的。这个论文叫做《Building decision trees to identify the intent of a user query》，翻译过来就是《基于决策树的用户查询意图识别》，作者是Marcelo，来自Yahoo。

 

摘要

本论文主要是介绍用决策树来识别用户的意图类别：信息、导航和事务。和前人的工作的不同之处是我们引入了更多的不同的特征（比如pagerank），然后将这些特征进行组合，并最终用决策树来实现分类。结果显示准确率很高，而且一个好处是能够知道到底哪些特征才是最有用的特征。

 

分类器

数据集：仍然是来自于日志，人工进行分类。

特征：

1）nterms：查询的词的数量

2）nclicks：查询Session中的点击数

3）Levenshtein 距离：其实就是编辑距离，计算的是查询和返回片段之间

4）nCS：q的Session中点击了少于n个的查询的Session的比例

5）nRS：q的Session中是点击了前面n个结果的Session的比例

6）PageRank：每个分类中文档的PageRank统计

首先是验证每个特征的有效性。然后用C4.5算法来建立这个决策树。

最后就是一些结果了，很简单的测评结果。

 

 

这个论文引入的分类算法是决策树，组合了多种特征来做的。