已有的眼動追蹤實驗研究工作表明[21] ，搜尋引擎使用者的浏覽習慣可以分為深度優先政策和寬度優先政策兩種類型。其中，深度優先政策描述使用者的檢驗順序是順着搜尋結果清單的結果序列，自上而下浏覽搜尋結果，并在浏覽每個搜尋結果的同時決定是否點選；寬度優先政策則是另一種類型，它描述使用者在點選搜尋結果之前會預先檢驗一系列的搜尋結果，然後再在其中選擇自己最中意的若幹結果點選。由于根據深度優先假設，使用者點選時受到很重要的位置偏執影響能夠很容易被模型所考慮進去，是以大多數點選模型[13-15] 都遵從深度優先假設，也就是使用者自上而下浏覽一遍搜尋結果清單。
然而，眼動視線追蹤實驗研究[22]表明，僅有34% 的搜尋使用者的浏覽序列是順序（自上而下）的，而有 50% 以上的查詢會話中使用者會發生回訪行為（自下而上的浏覽搜尋結果）或者略過的行為。是以研究人員有必要對使用者的非順序浏覽（點選和檢驗）行為進行研究。
TCM 模型
Xu et al [23] 最 先 提 出 了 名 為 Temporal ClickModel (TCM) 的模型在廣告搜尋中描述使用者的點選行為。這個模型嘗試将所有可能的檢驗序列全部計算出現機率，是以隻能描述僅包含兩個結果（廣告）的頁面，所描述的非順序點選行為為：使用者首先點選了第二個搜尋結果，然後再點選了第一個搜尋結果。是以這個工作很難像其他點選模型一樣擴充到描述整個搜尋結果清單。
POM 模型
Wang et al [24] 提出了名為 Partially ObservableMarkov Model (POM) 的點選模型來描述使用者的任意浏覽行為。POM 模型将使用者的檢驗事件當作一個部分可觀測的随機過程進行描述。其流程示意圖如圖8 所示，對于一個可以觀測的點選行為序列，該模型會試圖尋找所有可能的檢驗序列，并分别計算各種檢驗序列的可能性。
盡管這個模型能夠描述使用者的非順序檢驗行為，但模型僅考慮了使用者在不同位置之間的檢驗跳轉機率（也就是說不同使用者、不同查詢、不同搜尋結果下使用者的檢驗跳轉行為是一緻的），是以該模型并不能針對具體的查詢和結果給出點選機率預測和結果相關性預測，并且難以在實際環境中應用，并和已有的點選模型進行比較。
PSCM 模型
Wang et al [25] 利用眼動視線追蹤裝置對使用者的非順序浏覽行為進行了深入分析，在總結了使用者浏覽行為一般規律後提出了兩個使用者非順序浏覽行為假設。
（1）局部檢驗線性假設：在兩次點選之間，使用者傾向于沿着點選方向檢驗結果而不再改變檢驗方向，無論使用者的點選方向是向上還是向下。
（2）非一階檢驗假設：盡管使用者在兩次點選之間的檢驗行為是局部線性有序的，但是使用者并不是一個挨着一個檢驗搜尋結果，而是會略過一些搜尋結果。
相應的模型示意圖如圖 9 所示，點選行為首先根據時間資訊記錄為時間序列，接下來對于每個點選對，根據局部檢驗線性假設，使用者在點選對之間是線性的浏覽行為，是以可以用一個基于位置點選模型的子子產品來描述這個點選對之間的使用者浏覽行為。而由于使用者可能會略過一些結果，是以點選對之間的所有搜尋結果并不是都被使用者檢驗，而是需要模型推斷使用者檢驗了哪些搜尋結果。
