论文部分内容阅读
查询推荐是搜索引擎系统中的一项重要技术，其通过推荐更合适的查询以提高用户的搜索体验。现有方法能够找到直接通过某种属性关联的相似查询，却忽略了具有间接关联的语义相关查询。本文将用户查询及查询间直接联系建模为查询关系图，并在图结构相似度算法SimRank的基础上提出了加权SimRank(简称WSimRank)用于查询推荐。WSimRank综合考虑了查询关系图的全局信息，因而能挖掘出查询间的间接关联和语义关系。为降低WSimRank的计算复杂度，本文其转换为一个状态层次图的遍历和计算过程，进而采用动态规划、剪枝等策略对其进行优化。在大规模真实Web搜索日志上的实验表明，WSimRank在各项评价指标上均优于SimRank和传统查询推荐方法，其MAP指标接近0.9。