基于查询点击图的检索推荐模型优化

摘要

本发明公开了一种基于查询点击图的检索推荐模型优化，与现有技术相比，本发明首先对用户的搜索行为及意图进行了分析，并对搜索行为的数据提取方法和表示进行了研究，通过对查询会话的深入挖掘，提出了基于用户查询日志的查询词关联方法。其次，重点对传统查询点击二分图推荐模型的理论及计算方法进行了分析。由于查询点击二分图的结构简单、实用性强，并且实施过程不依赖于检索词与网页相似度计算，因此被广泛应用于搜索引擎中。本发明提出了利用点击频率代替点击次数来构建二分图中边的权重，这样可以避免权重不被过多的无效点击而偏置，使推荐系统尽可能达到稳定状态。最后，通过实验及数据分析从三个方面证明了改进模型的优越性。