搜索引擎是用戶從互聯(lián)網(wǎng)海量數(shù)據(jù)中獲取所需資源信息的主要途徑之一。隨著互聯(lián)網(wǎng)數(shù)據(jù)規(guī)模急速膨脹,用戶對(duì)于高效便捷獲取資源信息的要求越來(lái)越高,搜索引擎需要不斷地進(jìn)行系統(tǒng)優(yōu)化從而為用戶提供更優(yōu)質(zhì)的搜索服務(wù),因此,如何有效評(píng)估搜索引擎的質(zhì)量成為了研究界與產(chǎn)業(yè)界關(guān)注的焦點(diǎn)。搜索滿意度是一種以用戶為核心、強(qiáng)調(diào)用戶搜索體驗(yàn)的搜索引擎質(zhì)量評(píng)估指標(biāo)。搜索引擎日志記錄了用戶與搜索引擎交互過(guò)程中發(fā)生的一系列行為信息(如提交查詢?cè)~、移動(dòng)鼠標(biāo)、點(diǎn)擊結(jié)果等),并且搜索滿意度與用戶的搜索行為有很強(qiáng)的關(guān)聯(lián)。因此,研究人員提出利用搜索行為來(lái)評(píng)估用戶的搜索滿意度。本文針對(duì)如何有效利用搜索行為序列中的時(shí)間間隔信息、如何有效利用鼠標(biāo)光標(biāo)移動(dòng)的軌跡、如何在少量有標(biāo)注數(shù)據(jù)的情況下訓(xùn)練出有效的搜索滿意度評(píng)估模型三個(gè)挑戰(zhàn)對(duì)基于搜索引擎日志挖掘的搜索滿意度評(píng)估方法進(jìn)行深入研究,主要內(nèi)容有:1)提出了一種基于長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)的搜索滿意度評(píng)估方法。利用長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)搜索行為序列進(jìn)行建模,實(shí)現(xiàn)端對(duì)端的學(xué)習(xí),并引入虛擬停留行為來(lái)表示搜索行為序列中的變長(zhǎng)時(shí)間;引入一種基于停留時(shí)間擾動(dòng)的數(shù)據(jù)增強(qiáng)策略來(lái)增加搜索行為序列的模式變化,從而...

【文章頁(yè)數(shù)】：125 頁(yè)

【學(xué)位級(jí)別】：博士

圖１．１本文主要研究?jī)?nèi)容??

圖１．２本文組織結(jié)構(gòu)??

圖３．１本章提出方法的總體框架??本章提出方法的總體框架如圖３．１所示，圖中白色圓圈表示搜索行為，由于??可用的有標(biāo)注數(shù)據(jù)非常少，因此使用基于ＤＴＰ的數(shù)據(jù)增強(qiáng)?

圖３．２數(shù)據(jù)集Ａｎｓｗｅｒｃｏｒｒｅｃｔ上ＤＴＰ＋ＬＳＴＭ在／ｉｄｌｅ不同取值下的性能變化??

本文編號(hào)：3883445