Recommending High Utility Queries via Query-Reformulation Graph
Recommending High Utility Queries via Query-Reformulation Graph
复制标题
通过查询重构图推荐高实用性查询
DOI：
10.1155/2015/956468
复制
发表时间：
2015-05
影响因子：
--
通讯作者：
Dingming Wu
中科院分区：
文献类型：
--
作者：
JianGuo Wang;Joshua Zhexue Huang;Dingming Wu
查询推荐是现代搜索引擎的重要组成部分，其目的是帮助用户找到有用的信息。现有的查询推荐方法都侧重于向用户推荐相似的查询。然而，这些基于相似度的方法的主要问题是，即使一些非常相似的查询也可能返回很少甚至没有有用的搜索结果，而其他不太相似的查询可能返回更有用的搜索结果，特别是当初始查询不能正确反映用户的搜索意图时。因此，我们建议推荐高效用查询，也就是具有更多相关文档的有用查询，而不是相似的查询。本文首先构造了一个由查询节点、满意文档节点和中断节点组成的查询重构图。然后，我们在查询-重构图上应用吸收随机漫步，用从初始查询到满意文档的转移概率对文档效用进行建模。最后，我们将文档实用程序传播回查询，并对候选查询及其实用程序进行排序以进行推荐。在真实的查询日志上进行了大量的实验，实验结果表明，我们的方法在推荐高效用查询方面明显优于最先进的方法。
Query recommendation is an essential part of modern search engine which aims at helping users find useful information. Existing query recommendation methods all focus on recommending similar queries to the users. However, the main problem of these similarity-based approaches is that even some very similar queries may return few or even no useful search results, while other less similar queries may return more useful search results, especially when the initial query does not reflect user’s search intent correctly. Therefore, we propose recommending high utility queries, that is, useful queries with more relevant documents, rather than similar ones. In this paper, we first construct a query-reformulation graph that consists of query nodes, satisfactory document nodes, and interruption node. Then, we apply an absorbing random walk on the query-reformulation graph and model the document utility with the transition probability from initial query to the satisfactory document. At last, we propagate the document utilities back to queries and rank candidate queries with their utilities for recommendation. Extensive experiments were conducted on real query logs, and the experimental results have shown that our method significantly outperformed the state-of-the-art methods in recommending high utility queries.
登录
查看更多内容
DOI：
10.1145/1835449.1835536
发表时间：
2010-07
期刊：
Proceedings of the 33rd international ACM SIGIR conference on Research and development in information retrieval
影响因子：
--
作者：
Ilaria Bordino;C. Castillo;D. Donato;A. Gionis
通讯作者：
Ilaria Bordino;C. Castillo;D. Donato;A. Gionis
DOI：
10.1145/1718487.1718508
发表时间：
2010-02
期刊：
--
影响因子：
--
作者：
A. Anagnostopoulos;L. Becchetti;C. Castillo;A. Gionis
通讯作者：
A. Anagnostopoulos;L. Becchetti;C. Castillo;A. Gionis
DOI：
10.3115/981732.981751
发表时间：
1994-06
期刊：
--
影响因子：
--
作者：
Zhibiao Wu;Martha Palmer
通讯作者：
Zhibiao Wu;Martha Palmer
DOI：
10.1145/2009916.2009965
发表时间：
2011-07
期刊：
Proceedings of the 34th international ACM SIGIR conference on Research and development in Information Retrieval
影响因子：
--
作者：
Mikhail S. Ageev;Qi Guo;Dmitry Lagun;Eugene Agichtein
通讯作者：
Mikhail S. Ageev;Qi Guo;Dmitry Lagun;Eugene Agichtein
DOI：
10.7766/orbit.v1.2.44
发表时间：
2001-01
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
D. Blei;Andrew Y. Ng;Michael I. Jordan
通讯作者：
D. Blei;Andrew Y. Ng;Michael I. Jordan