融合广告主行为的拍卖词实时触发

？搜索引擎触发广告的过程中，需要实时计算拍卖词(bidword)和用户查询(query)的相关性，广告语境下的term动态赋权方式和短语商业价值评估成为相关性计算必须考虑的问题。为此引入广告主行为，结合连续词袋模型(cbow)，提出了一种广告语境下的短语相关计算方法adpcb。首先通过cbow模型获得短语中每个term的向量；然后分析广告主行为，构建关于短语的全局赋权树，对短语结构进行分析得到term的动态权重；最后将term权重和向量线性组合产生短语的向量表示，用于bidword和query的相关性度量。对10000对带有标签的query和bidword(正负比例1∶〖kg-*2〗1)利用word2vec进行实验，adpcb比结合cbow模型的tf-idf效果更好；而在准确率达到0.70时，adpcb比潜在狄利克雷分布(lda)、bm25和tf-idf获得了更高的召回率。结果表明adpcb提高了触发bidword和query的相关性，同时可以量化短语中term的商业价值属性，减少低商业价值query的广告触发数量，可应用于实时计算的场景。