Location Aware Keyword Query Suggestion Based on Document Proximity
Location Aware Keyword Query Suggestion Based on Document Proximity
复制标题
基于文档邻近度的位置感知关键词查询建议
DOI：
10.1109/tkde.2015.2465391
复制
发表时间：
2016-01
期刊：
影响因子：
--
通讯作者：
Nikos Mamoulis
中科院分区：
文献类型：
--
作者：
Shuyao Qi;Dingming Wu;Nikos Mamoulis
网络搜索中的关键词建议可以帮助用户访问相关信息，而无需知道如何精确表达他们的查询。现有的关键词建议技术没有考虑用户的位置和查询结果；即，用户与检索结果的空间接近度不被视为推荐的因素。然而，已知许多应用程序（例如基于位置的服务）中搜索结果的相关性与其与查询发布者的空间接近度相关。在本文中，我们设计了一个位置感知的关键词查询建议框架。我们提出了一个加权关键字文档图，它捕获关键字查询之间的语义相关性以及结果文档与用户位置之间的空间距离。该图表以随机游走并重新启动的方式浏览，以选择得分最高的关键字查询作为建议。为了使我们的框架具有可扩展性，我们提出了一种基于分区的方法，其性能比基线算法高出一个数量级。我们的框架的适用性和算法的性能是使用真实数据进行评估的。
Keyword suggestion in web search helps users to access relevant information without having to know how to precisely express their queries. Existing keyword suggestion techniques do not consider the locations of the users and the query results; i.e., the spatial proximity of a user to the retrieved results is not taken as a factor in the recommendation. However, the relevance of search results in many applications (e.g., location-based services) is known to be correlated with their spatial proximity to the query issuer. In this paper, we design a location-aware keyword query suggestion framework. We propose a weighted keyword-document graph, which captures both the semantic relevance between keyword queries and the spatial distance between the resulting documents and the user location. The graph is browsed in a random-walk-with-restart fashion, to select the keyword queries with the highest scores as suggestions. To make our framework scalable, we propose a partition-based approach that outperforms the baseline algorithm by up to an order of magnitude. The appropriateness of our framework and the performance of the algorithms are evaluated using real data.
登录
查看更多内容
DOI：
10.1109/icacci.2015.7275820
发表时间：
2015-09
期刊：
2015 International Conference on Advances in Computing, Communications and Informatics (ICACCI)
影响因子：
--
作者：
Sharvari Gaikwad;Rohan Asodekar;Sunny Gadia;V. Attar
通讯作者：
Sharvari Gaikwad;Rohan Asodekar;Sunny Gadia;V. Attar
DOI：
10.1145/2396761.2396812
发表时间：
2012-10
期刊：
Proceedings of the 21st ACM international conference on Information and knowledge management
影响因子：
--
作者：
R. Zhong;Ju Fan;Guoliang Li;K. Tan;Lizhu Zhou
通讯作者：
R. Zhong;Ju Fan;Guoliang Li;K. Tan;Lizhu Zhou
DOI：
10.1145/2396761.2398488
发表时间：
2012-10
期刊：
Proceedings of the 21st ACM international conference on Information and knowledge management
影响因子：
--
作者：
S. Lee;Sungchan Park;Minsuk Kahng;Sang-goo Lee
通讯作者：
S. Lee;Sungchan Park;Minsuk Kahng;Sang-goo Lee
DOI：
10.1109/wi.2016.0040
发表时间：
2016-10
期刊：
2016 IEEE/WIC/ACM International Conference on Web Intelligence (WI)
影响因子：
--
作者：
Zebang Chen;Takehiro Yamamoto;Katsumi Tanaka
通讯作者：
Zebang Chen;Takehiro Yamamoto;Katsumi Tanaka
DOI：
10.1109/isplc48789.2020.9115398
发表时间：
2020-05
期刊：
2022 IEEE International Symposium on Biomedical Imaging Challenges (ISBIC)
影响因子：
--
作者：
通讯作者：
--