【Query處理學習筆記】搜尋引擎查詢推薦技術綜述_中文資訊學報2010_王斌

主要内容：對通用搜尋引擎的查詢推薦技術的方法、評價進行了總結

具體内容：

“查詢推薦”的不同英文叫法：Query Suggestion、Term Suggestion、Query Recommendation、Query Substitution、Query Rewriting

查詢推薦的任務：找出和使用者查詢相似的query，以便更好地表達使用者查詢意圖，供使用者便捷輸入

三種技術方法：

1. 基于文檔的方法：通過處理query搜尋出來的文檔，以此作為回報，進一步了解使用者意圖，擴充query

（1）全局文檔分析：方法如題目

（2）局部文檔分析：說一個更通用的名字，是僞相關回報，用搜尋結果的前N篇文章作為文檔集合，擴充query，從僞相關文檔中進行降維是一個難點，LCA等

（3）基于語言學資源的分析：說白了就是用wordnet或者hownet或者wiki來做同義詞擴充

2. 基于日志的方法：日志作為使用者的點選行為的記錄，能夠忠實的反映使用者的真實意圖。

（1）基于session的方法

簡單地說，就是使用者搜了什麼之後還搜尋了什麼。往往最後搜尋的那個query是能夠滿足使用者當時需求的query。

這個方法，session的判定是個難點

（2）基于click的方法：點選模型

<query, click1, click2....>，這樣的query和點選向量組成的資料結構，可以用一些距離函數（如：餘弦距離）來計算query之間的相似度

這種方法，使用者click的url很多，造成向量的次元很多，降維仍然是一個問題，兩種降維途徑：1. 聚類；2. 矩陣分解

（3）基于時間分布的方法

即統計query的時間分布，如：在情人節那天搜尋“巧克力”的人會比較多。不過這個一般隻能作為補充。

評價方法：

基本思路還是人工建立評測集合（或者找國際标準評測集合，如trec），然後算準确率、召回率、NDCG等