一种流行性与相似性结合查询推荐策略

摘要 基于日志的搜索引擎查询推荐方法大多从搜索行为流行性考虑进行查询推荐，这类推荐方法忽略了个体用户背景不同带来的搜索需求的差异，对于一些在搜索引擎日志中有较多记录的用户来讲，难以满足他们更高质量的搜索需求.然而，此类用户的搜索记录又不足以支持系统提供个性化的推荐服务.所以，针对在搜索引擎日志中有较多记录的用户，本文提出一种折衷的解决方案，即流行性与相似性结合的查询推荐策略，提供一种近似于个性化的推荐服务.本文采用社团发现的方法发现搜索日志中的密集行为，从而构建典型用户行为模型代表用户搜索背景，并引入模块度度量典型用户行为的强度，最后结合流行性、群体用户对推荐词的支持程度、用户对用户群体的归属程度以及典型用户行为的强度来产生推荐词集合.本文最后，在真实数据集的实验结果证明了本策略能够在控制推荐失败风险的同时提高用户对推荐结果的满意度