网站地图 加入收藏 设为首页 原创论文网,覆盖经济,法律,医学,建筑,艺术等800余专业,提供60万篇论文资料免费参考

面向时间感知的信息搜索结果排序研究

作者:原创论文网 时间:2017-03-08 11:36 加入收藏
摘要

  互联网网页的信息大多都具有时效性,而搜索引擎在处理具有时间属性的查询还存在一定的问题[1-3]。比如,2016 年 10 月,在百度中输入“十大电影排名”时,首先出现的是近期上映的电影,然后才出现近年的“十大电影排名”搜索结果,前几条记录均是 2015 年、2014 年发布的消息,2016 年发布的消息则排到第 6 条记录。搜索引擎并不能对用户查询信息时间敏感性的要求对信息进行加工与处理[4],显然结果不能让用户满意。于是利用时间感知对信息搜索结果进行排序的研究显得很有必要。

  1、国内外时间感知页面排序算法的研究

  有关时间感知的查询,目前已有部分学者进行了相关研究。ShengLin[5]等人提出了一个关于时间感知的页面排序算法,用一个四元的方式来表示文档的时间,通过页面时间与查询时间之间的比较,获得两时间之间的相似度,从而获得基于时间感知的页面排序算法。他们运用了 6 455 985 组数据进行实验,其中含有显式时间的数据有 3 763 923 组( 占58% ) ,隐式时间的数据有 2 692 062 组( 占 42% ) ,实验结果显示,查询的精确度较没有运用此算法之前至多提高了 15. 13%。在国内,在张乃洲等人[6]也研发出了一种基于时间感知的搜索引擎模型[3]。

  该模型主要分为页面时间属性抽取器、时间感知查询处理模块、基于时间感知的页面排序模块三大部分,其中运用到时间粒度来对页面与查询间的时间相关度进行计算,最后通过时间感知度因子权衡得出结果页面的排序算法。在页面时间属性抽取部分,对于含显式时间的页面其抽取精度可达 0. 93,然而对于隐式时间的页面抽取精度仅为 0. 76。查询结果显示,除了个别查询外,大部分查询的精度值都可得到不同程度的提升,提升幅度与 Google 原始查询的精度值有关。例如某一查询类型为月的查询从初始的精度值约 0. 4 提高到约 0. 8,而另一查询类型为日的查询( 如汽油价格) 初始值已达 1. 0,改进后仍然为 1. 0。此外,该实验加入了查询结果序关系对排序结果影响的 AP 指标,即排序算法对排序结果的作用。

  随着互联网信息的不断更新,用户对信息时效性的追求越来越高。在页面的排序算法中融入时间属性可让用户获得更加满意的结果,同时使搜索引擎更加精确、更加智能化,提高用户对搜索引擎的使用率。本文针对目前页面排序算法存在的不足,融入时间属性及个性化服务对排序算法进行改进。

  2、改进的时间感知算法

  2. 1、基本思路

  在获得了查询的时间信息后,对页面进行融合了时间属性的查询时,本文将采用公式( 1) 来对查询结果进行排序:ST( D,Q) = ( 1-ω) * S( D,Q) +ω* Stemporal( D,Q) ( 1)其中,D 代表文档,Q 代表用户的查询,Stemporal( D,Q) 代表查询时间和页面内容时间之间的相关性强度,用公式进行表示: Stemporal( D,Q) ,其中 Sk是常数,需根据查询词条所涉及的时间粒度来决定; Tq代表当前查询词条所包含的时间; Td则代表数据库所含页面的内容所表达的时间。S( D,Q) 是由排序算法获得的 D 和 Q 之间的相关程度,为了使它的取值介于 0 和 1 之间需对两者的相关度进行标准化处理。张乃洲等学者[3]在此处运用 PageRank 算法得出 S( D,Q) ,但是 PageRank 算法存在同类网页间连接较少和对用户没有区分( 无法感知不同的网页对不同用户的重要性的不同) 等不足。

  本次基于时间感知排序算法的改进从此处着手,运用改进后的 PageRank 算法得出 S( Q,Q) 。对原始的 PageRank 算法加入 用 户 投 票 计 算“P _VRank”,加入用户模型向量计算“P_URank”值,使改进后基于时间感知的页面排序算法实现个性化服务,更好地满足用户的需求。ω 是一个用来表示时间感知度的大小的因子,它的取值与用户键入的查询有关———如果用户键入的查询具有对时间的要求,则 ω 的取值较大,如果用户键入的查询对时间要求较低,则 的取值较少。

  本次改进算法的基本思想是在原有算法的基础上,通过加入“用户投票计算”( P_VRank) 和“用户模型向量计算”( P_URank) ,为用户实现查询的个性化服务,使查询结果的排序更加地贴切不同用户的需要,提高用户对搜索引擎的满意程度。本改进算法的主要工作原理是通过一个时间感知度因子 ω来控制查询与页面之间相关度 S( D,Q ) 和查询与页面内容之间的时间相关度 S( Q,D ) 两者间的比重。对于基于时间感知的查询,Stemporal( D,Q) 的值较大,ω 所占到的比重较大; 对于基于非时间感知的查询而言,ω 则取值较小,S( D,Q ) 占到的比重较Stemporal( D,Q) 大。

  2. 2、改进方法

  关于基于时间感知页面排序算法的改进针对部分的获取主要分为 2 个步骤: 一是参照 PageRank 算法的原有思想,形成一个投票分值加入到影响 Rank值得计算当中去,得到被修改后的 Rank 值即 P_VRank 值; 二是将网页的页面质量与用户兴趣模型数据相互结合获得 P_URank 值。

  2. 2. 1、获得 P_VRank 值

  超链接是 PageRank 算法的核心,通过网页之间的链接,获得质量较高的网页来反馈给用户。这仅仅是从商家的角度进行链接分析,不仅不利于同类网页之间的公平竞争,而且没有顾及到用户的反馈,缺乏全面性。因此引入字段 Vote 来表示用户对网页的投票,把用户对网页的反馈添加到网页的质量评估当中去。用户对该网页表示满意好评的,该网页的 Vote 值对应地加 1; 用户对该网页不满意表示差评的,则该网页的 Vote 值相应地扣掉 1。一个月结束时对各网页的 Vote 值进行统计,最后与原有的PageRank 算法融合获得 P_VRank 值。这一步的数据计算量较大,计算结果表现的是从商家和用户两个方面反映出来的页面质量,得出的页面质量评估结果更为精准。

  通过上述三大步骤获得的结合用户和商家两者反馈的页面质量排序结果较单独的 PageRank 算法获得的排序结果更为科学精确,但这个结果对于每一个用户来说都是一样的,没有体现出个性化服务。

  2. 2. 2、获得 P_URank 值

  在获得 P_URank 值的这一步骤的计算中,虽然是计算量较小的计算,但是在用户发出请求后进行,需牺牲程序的运行效率来进行处理。通过使不同用户间即使在查询栏键入相同的查询词,不同的用户间所得到的查询结果也是不一样的,使用户在前几页就能获得满意的结果。

  此处需要运用到“用户兴趣向量”,此向量经过一段时间的获取、统计、计算后可以挖掘、反映出某一用户的兴趣所指。通过这一向量,系统获得了某一用户对某一类别页面的兴趣程度,再把页面的内容与用户的兴趣向量进行相似度比较( 相似程度较高且页面质量较高的网页的 P_URank 值较高,相似程度低且页面质量较低的网页的 P_URank 值较低) ,最后根据 P_URank 值对结果页面进行排序,获得的排序结果中,用户感兴趣的、最需要的页面排名在前,给用户提供的个性化的结果排序。

  然而,因为上述算法中带有 IF 语句,在算法的编写过程中,若先出现 IF、ELSE、SWITCH 等语句,将会大大地降低算法的运行效率。

  为了避免在后续计算中频繁重复地计算该用户对所有类别认可程度之和,先对该值进行统一的运算并记为 A。用 nq与 ni之间的同或来代替 IF 语句的使用,提高了算法的运行效率。通过优化后的计算,大大地提高了每个页面对应的 P_URank 值的获取效率,最后根据获得的每个页面的 P_URank 值进行页面排序使排序结果更加符合用户的需求。

  3、实验分析

  3. 1、实验方案

  整个实验系统主要分为两大模块,第一大模块是根据用户的查询词对数据文档提取形成候选文档数据库,第二大模块则是按照不同的算法对候选文档数据库当中的文档进行重新排序并把结果反馈给用户。具体实验系统框架如图 1 所示。

图 1 实验系统整体框架
图 1 实验系统整体框架

  如实验系统整体框架图所示,用户键入查询词后,系统将从服务器资料库中检索与查询词相匹配的文档,并将该文档存入到候选文档数据库中,然后根据不同排序算法的不同排序规则对候选文档数据库当中的文档进行重新排序的工作,最终把重新排序后的文档排序结果反馈给用户。

  3. 2、实验结果

  下面分析针对“麦当劳”这一查询词 3 种算法的搜索结果中排名前 40% 的文档,从文档内容时间、文档类型、文档质量等 3 个方面对 3 种排序算法进行综合评价。

图 2 文档时间分布比例
图 2 文档时间分布比例

  如图 2 所示,PageRank 算法获得的文档内容时间集中分布在最近的两个月,然而也有 10% 的文档内容时间为 2015 年 4 月。其中时间为 2015 年 5 月的文档数最多; 基于时间感知的排序算法获得的文档内容时间分布中,时间为 2015 年 6 月出现的比例为 50%,是 3 种算法中比例最高的,剩余的 50% 也分布在较近的时间 2015 年 5 月,时间距今较近。改进后的算法获得的文档时间分布范围较广,整体数据呈负偏态分布,文档整体的平均时间较前两种算法低,但文档出现的高峰在 2015 年 5 月,众数值较前两者变化不大。总的来说,在文档时间分布方面,基于时间感知的排序算法表现较好,改进后的算法表现也不差,虽然分布范围较广,但文档的时间分布仍集中在较新的时间。

图 3 符合用户兴趣类型的文档比例
图 3 符合用户兴趣类型的文档比例

  如图 3 所示,由 PageRank 算法获得的结果文档的前 40%的文档中,符合用户兴趣类型的文档所占比例达到 50%,单独来看,该值处于中等水平; 基于时间感知的排序算法获得的前 40% 结果中,符合用户兴趣类型的文档达 60%,较前一算法有 10% 的提高,差距不大。改进后的算法给出的前 40% 文档中,符合用户兴趣类型的文档高达 90%,与 PageR-ank 算法的结果相差 40% ,与基于时间感知的排序算法的结果相差 30%,改进后的算法在用户兴趣类型匹配上有了很大的提高。在文档类型与用户兴趣类型匹配,改进后的算法表现最好,与其他两种算法都拉开了较大的差距。

图 4 页面质量均值图
图 4 页面质量均值图

  由图 4 可以看出,在获得的前 40% 结果文档中,3 种算法得出的文档的页面质量均值整体水平较高,三者之间相差不大。其中由基于时间感知的排序算法获得页面质量均值稍低为 844; PageRank算法获得的均值较基于时间感知的排序算法获得的均值高出 1. 8,两者之间没有太大差距; 改进后的算法获得的页面质量均值是 849. 9,比 PageRank 算法高出了 4. 1,与基于时间感知的排序算法相比高出了 5. 9,相比之下有较大的提高。在页面质量这一方面,改进后的算法表现较好,与其他两个算法之间的差距相对较大。

  通过以上 3 个方面对 3 种算法结果的分析,可以看出,改进后的算法在文档内容时间与前两者相差不大的情况下,在文档类型与用户兴趣类型匹配、文档页面质量这两方面都有较大的提升。

  4、结语

  通过对页面排序算法的改进,使页面排序算法在时效性和个性化服务方面有了一定的提高,但仍然存在不足。如改进算法中只是把查询时间和页面的内容时间的相关度进行比对研究,未考虑页面的更新时间。为了进一步加强算法,全方位地提高搜索引擎的性能,应将重点放在以下方面: 如何把页面的更新时间和内容时间结合在一起为查询结果排序提供参考,就算法的运行效率方面进行反复的思考优化,以缩短算法的响应时间,提高搜索引擎的查询效率。

  【参考文献】
  [1] 李 建. 搜索引擎排序算法研究[D]. 长春: 长春理工大学,2010.
  [2] 张春元,康耀红,伍小芹. Web 信息检索排序算法研究[J]. 海南大学学报: 自然科学版,2009,27( 1) : 78-83.
  [3] 何国斌,赵晶路. Web 页面主题相关性排序算法的研究[J]. 计算机工程与应用,2009,45( 23) : 149-157.
  [4] 张广泉,戎 玫,王 昇. 时间感知 Web 服务交互行为建模与失配检测方法研究[J]. 电子学报,2011,11( 11) : 2568-2575.
  [5] Sheng Lin,Peiquan Jin,Xujian Zhao b,et al. Exploiting temporal information in Web search[J]. Expert Systems with Applications,2014,12( 4) : 331-341.
  [6] 张乃洲,曹 薇,陈珂锐,等. 一种基于时间感知的搜索引擎模型[J]. 山东大学学报: 理学版,2013,11( 48) : 80-86.

面向时间感知的信息搜索结果排序研究相关文章
重要提示:转载本站信息须注明来源:原创论文网,具体权责及声明请参阅网站声明。
阅读提示:请自行判断信息的真实性及观点的正误,本站概不负责。
别人都分享了,你还在等什么?赶快分享吧!
更多