本文關(guān)鍵詞：一種基于知識圖譜的用戶搜索意圖挖掘方法的研究

  更多相關(guān)文章： 知識圖譜 搜索意圖 搜索引擎 樸素貝葉斯

【摘要】：如何讓計算機理解用戶的搜索意圖是一個非常復雜的問題,因為,針對相同查詢,不同人的搜索意圖可能差異巨大;對同一搜索意圖,不同人使用的查詢可能完全不同。為了實現(xiàn)對特定查詢搜索意圖的理解,可以通過使用分析查詢記錄,建立興趣模型的方法,但這也不能幫助理解新的查詢詞,因為用戶的意圖并不是固定的主題,需求意圖在不斷演變。即使用戶輸入的是同一查詢詞,也并不代表作用戶想知道的是關(guān)于相同主題的信息、資源或網(wǎng)絡(luò)服務(wù)�；诜诸惖乃阉饕鈭D挖掘是目前搜索意圖挖掘研究領(lǐng)域的主流,首先建立意圖分類體系,然后將查詢文本歸類到這些類別之中。目前主流的搜索意圖類目體系已經(jīng)構(gòu)建得比較完善,但是由于通常情況下用戶的查詢都很短,帶有一定歧義性,分類特征有限,在這種情況下進行文本分類比較困難,目前面對這種情況還沒有一種特別有效的分類特征提取方法。本文提出一種基于知識圖譜的搜索意圖挖掘方法,使用知識圖譜包含的詞間關(guān)聯(lián)來對用戶查詢中的關(guān)鍵詞進行權(quán)重調(diào)整,從而提高分類準確率,提高搜索意圖挖掘效果。經(jīng)過實驗,與數(shù)種經(jīng)典權(quán)重調(diào)整方法相比較,證實本文提出的方法能夠有效的提升分類準確率,對用戶搜索意圖挖掘效果提高有較大幫助。相信,經(jīng)過后續(xù)研究,使用該方法對交互式信息檢索和實時人機對話也將會有不錯的效果。
【關(guān)鍵詞】：知識圖譜 搜索意圖 搜索引擎 樸素貝葉斯
【學位授予單位】：國際關(guān)系學院
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 引言8-13
• 1.1 選題背景8-9
• 1.2 研究內(nèi)容與本文貢獻9-11
• 1.3 論文結(jié)構(gòu)11-13
• 第2章 研究現(xiàn)狀與相關(guān)理論基礎(chǔ)13-37
• 2.1 知識圖譜13-26
• 2.1.1 知識圖譜研究現(xiàn)狀13-16
• 2.1.2 知識圖譜構(gòu)建方法16-18
• 2.1.3 知識圖譜的表示方法18-21
• 2.1.4 知識圖譜的存儲21-22
• 2.1.5 知識圖譜的一些應(yīng)用場景22-25
• 2.1.6 知識圖譜研究的挑戰(zhàn)25-26
• 2.2 搜索意圖分類26-28
• 2.2.1 搜索意圖概念26-27
• 2.2.2 搜索意圖體系27-28
• 2.2.3 搜索意圖分類目的28
• 2.3 中文分詞28-31
• 2.4 文本分類31-36
• 2.4.1 文本分類方法31-34
• 2.4.2 貝葉斯分類器34-36
• 2.5 總結(jié)36-37
• 第3章 基于知識圖譜的搜索意圖挖掘方法37-45
• 3.1 實體詞和實體詞屬性的獲取37-39
• 3.2 知識圖譜的關(guān)系構(gòu)建39-40
• 3.3 貢獻值和貢獻因子的計算40
• 3.4 權(quán)重計算40-42
• 3.5 樸素貝葉斯分類器42-43
• 3.6 方法流程43-44
• 3.7 總結(jié)44-45
• 第4章 實驗45-50
• 4.1 評測標準45-46
• 4.2 實驗數(shù)據(jù)集46-47
• 4.3 實驗結(jié)果47-50
• 4.3.1 貢獻因子對準確率的影響47
• 4.3.2 權(quán)重調(diào)整方法對準確率影響47-49
• 4.3.3 問題文本長度對準確率的影響49-50
• 第5章 總結(jié)和展望50-52
• 5.1 研究總結(jié)50-51
• 5.2 研究展望51-52
• 參考文獻52-54
• 致謝54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 錢穎能;胡運發(fā);;用樸素貝葉斯分類法選股[J];計算機應(yīng)用與軟件;2007年06期

2 歐陽澤華;郭華平;范明;;在逐漸縮小的空間上漸進學習樸素貝葉斯參數(shù)[J];計算機應(yīng)用;2012年01期

3 裴亞輝;熊盛武;;樸素貝葉斯及其擴展模型[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2007年08期

4 趙彥琦;謝小西;荀宇暢;;樸素貝葉斯分類法的應(yīng)用[J];電子制作;2013年07期

5 菅小艷;崔彩霞;;基于樸素貝葉斯的文本分類[J];電腦開發(fā)與應(yīng)用;2013年12期

6 王實;高文;;增強型樸素貝葉斯學習[J];計算機科學;2000年04期

7 楊忠強;秦亮曦;;一種基于屬性加權(quán)的樸素貝葉斯改進算法[J];廣西大學學報(自然科學版);2013年05期

8 張彩麗;楊帆;張玉杰;;柴油機供油系統(tǒng)狀態(tài)的樸素貝葉斯診斷方法研究[J];計算機測量與控制;2008年08期

9 白耀輝;陳明;王舉群;;利用樸素貝葉斯方法實現(xiàn)異常檢測[J];計算機工程與應(yīng)用;2005年34期

10 王雙成;冷翠平;侯彩虹;;操作風險等級預測的樸素貝葉斯方法研究[J];計算機工程與應(yīng)用;2008年12期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 石志偉;吳功宜;;改善樸素貝葉斯在文本分類中的穩(wěn)定性[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2004年

2 李海軍;王鉦旋;王利民;苑森淼;;基于主成分分析提升樸素貝葉斯[A];中國儀器儀表學會第六屆青年學術(shù)會議論文集[C];2004年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李冬梅;樸素貝葉斯與決策樹混合分類方法的研究[D];大連海事大學;2016年

2 張帆;貝葉斯算法在校園留言板垃圾過濾中的應(yīng)用研究[D];鄭州大學;2016年

3 石剛;一種基于知識圖譜的用戶搜索意圖挖掘方法的研究[D];國際關(guān)系學院;2016年

4 胡為成;基于遺傳算法的樸素貝葉斯分類研究[D];合肥工業(yè)大學;2006年

5 李Pr;基于樸素貝葉斯的文本分類研究及其在微博分類中的應(yīng)用[D];北京理工大學;2015年

6 劉勇華;基于樸素貝葉斯的中文段落情感分析[D];太原理工大學;2015年

7 周龍;基于樸素貝葉斯的分類方法研究[D];安徽大學;2006年

8 王翔;基于樸素貝葉斯和One-R的入侵檢測問題研究[D];合肥工業(yè)大學;2008年

9 周遠陽;基于樸素貝葉斯方法的新聞分類系統(tǒng)的實現(xiàn)[D];暨南大學;2012年

10 李忠波;基于改進樸素貝葉斯的蛋白質(zhì)提純方法選擇[D];大連理工大學;2014年

，

本文編號：815840