基于检索历史上下文的个性化查询重构技术研究
基于检索历史隐式地学习用户偏好是个性化检索研究的热点，而根据用户检索历史重构新的查询输入是其中主要的研究内容。已有的研究在利用检索历史进行查询重构时，通常不区分检索历史中的内容是否与当前查询相关，而是将全部检索历史视为整体，因而使重构后的查询含有较多噪声。本文基于相关词语在上下文中人量共现的特征，将用户历史检索结果的网页摘要作为上下文语境，结合用户点击，选择检索历史中与当前查询共现程度最高的词语重构查询模型。对初始检索结果重排序的实验表明，该方法可以有效地选择相关词语，减少噪声。用p@5和NDCG两种指标评价，比最好的基准系统分别相对提高12.8％和7.2％，比初始排序结果相对提高26.0％和11.4％。
个性化检索 隐式反馈 查询重构 上下文分析
宋巍 张宇 刘挺 李生
哈尔滨工业大学信息检索研究室,哈尔滨,150001
国内会议
上海
中文
144-152
2009-11-14（万方平台首次上网日期，不代表论文的发表时间）