【摘要】：搜索引擎是用戶查找有用信息的重要手段,但是用戶在使用搜索引擎時(shí)往往存在不能準(zhǔn)確構(gòu)造出表達(dá)其真實(shí)檢索意圖的搜索詞的情況,導(dǎo)致搜索引擎不能提供精準(zhǔn)的結(jié)果給用戶。相關(guān)搜索推薦是指圍繞用戶輸入的搜索詞向其推薦文本上有一定關(guān)聯(lián)關(guān)系的搜索詞。移動(dòng)端的相關(guān)搜索推薦是理解手機(jī)用戶行為,幫助用戶構(gòu)建搜索詞進(jìn)而提高其使用手機(jī)進(jìn)行信息檢索效率的一種重要途徑。小米手機(jī)目前的相關(guān)搜索推薦系統(tǒng)將過往用戶搜索日志建成索引,通過檢索索引得出相關(guān)搜索詞,這樣的做法存在時(shí)效性差,覆蓋率低,意圖泛化效果不理想等問題。用戶歷史的搜索和點(diǎn)擊數(shù)據(jù)形成的搜索詞和對應(yīng)的點(diǎn)擊文檔名具有一定相關(guān)性,我們可以用神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯模型去訓(xùn)練提煉出用戶歷史搜索和點(diǎn)擊數(shù)據(jù)之間的相關(guān)性規(guī)律。因此,本文提出基于神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯模型來設(shè)計(jì)和實(shí)現(xiàn)相關(guān)搜索推薦系統(tǒng),利用翻譯模型將用戶輸入的新搜索詞翻譯成具有相關(guān)性的搜索詞,并將其通過數(shù)據(jù)索引和檢索系統(tǒng)推薦給用戶。我們訓(xùn)練了神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯模型并將模型應(yīng)用到相關(guān)搜索推薦系統(tǒng)中。相關(guān)搜索推薦系統(tǒng)包含離線數(shù)據(jù)處理模塊和在線檢索端模塊。離線數(shù)據(jù)處理模塊包含運(yùn)用Spark Streaming進(jìn)行每日熱搜詞抽取,模型翻譯熱搜詞生成相關(guān)搜索詞,基于Lucene建立索引和更新索引等功能。在線檢索模塊首先從索引檢索出相關(guān)搜索詞,然后通過Backend子模塊建立Response,再通過Rank和Tunner子模塊將Response排序和調(diào)優(yōu),最后將結(jié)果展現(xiàn)給用戶。這樣的設(shè)計(jì)和實(shí)現(xiàn)能夠平衡日志數(shù)據(jù)挖掘的計(jì)算成本和索引更新頻率的高要求之間的沖突,提升推薦搜索詞與原搜索詞的相關(guān)性,進(jìn)而提高覆蓋率;并且根據(jù)熱門搜索詞去推薦相關(guān)搜索詞,也提升了推薦的搜索詞的時(shí)效性;利用模型提煉出的意圖泛化能力,針對用戶新的搜索詞,也能產(chǎn)生一定的意圖泛化效果。
【圖文】：

ｑｕｅｒｙ相關(guān)的ｑｕｅｒｙ。如果用戶發(fā)現(xiàn)系統(tǒng)推薦的ｑｕｅｒｙ中有其感興趣的ｑｕｅｒｙ時(shí)，逡逑點(diǎn)擊該ｑｕｅｒｙ便可以向用戶進(jìn)一步推薦類似的ｑｕｅｒｙ。相關(guān)搜索推薦系統(tǒng)用例圖逡逑如圖３．１所示。逡逑相關(guān)搜索推薦系統(tǒng)逡逑戶搜索ｑｕｅｒｙ的相逡逑￣：＂＂＂＂＂逡逑ｉ逡逑－邐」邐＜〈擴(kuò)＿展＞＞逡逑ｉ逡逑用戶邐１＾逡逑戶搜索ｑｕｅｒｙ的相逡逑圖３．１相關(guān)搜索推薦系統(tǒng)用例圖逡逑系統(tǒng)主要包括以下功能：逡逑＊推薦其搜索內(nèi)容語義相近的或者有一定關(guān)聯(lián)的比較熱門的ｑｕｅｒｙ；逡逑＊如若用戶進(jìn)一步點(diǎn)擊系統(tǒng)向其推薦的ｑｕｅｒｙ，則會(huì)依據(jù)新ｑｕｅｒｙ又向其逡逑１４逡逑

內(nèi)部的開發(fā)人員提供ｑｕｅｒｙ想通過神經(jīng)機(jī)器翻譯模塊生成一批相關(guān)的ｑｕｅｒｙ逡逑時(shí)，神經(jīng)機(jī)器翻譯服務(wù)模塊能根據(jù)其ｑｕｅｒｙ生成相關(guān)ｑｕｅｒｙ。神經(jīng)機(jī)器翻譯模塊逡逑功能用例圖如圖３．２所示。逡逑機(jī)器翻譯模型服務(wù)逡逑ｑ邐單條逡逑－＜〈擴(kuò)１邋展〉〉逡逑ＵＴ邐！逡逑內(nèi)部開發(fā)人員邐＾逡逑薦單條ｑｕｅｇ＾）逡逑圖３．２相關(guān)搜索翻譯模型服務(wù)用例圖逡逑當(dāng)內(nèi)部的開發(fā)人員想通過神經(jīng)機(jī)器翻譯模型來生成其對應(yīng)的ｑｕｅｒｙ的相關(guān)逡逑ｑｕｅｒｙ時(shí)，，模型服務(wù)能夠根據(jù)其提供的ｑｕｅｒｙ做出相關(guān)推薦，主要包括以下功能：逡逑＊開發(fā)人員提供單條ｑｕｅｒｙ，模型服務(wù)直接返回單條ｑｕｅｒｙ對應(yīng)的相關(guān)搜逡逑１５逡逑
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉強(qiáng);;推薦系統(tǒng)的商業(yè)價(jià)值[J];軟件和集成電路;2019年04期

2 王月星;;國內(nèi)旅游推薦系統(tǒng)研究進(jìn)展[J];商場現(xiàn)代化;2017年10期

3 常亮;曹玉婷;孫文平;張偉濤;陳君同;;旅游推薦系統(tǒng)研究綜述[J];計(jì)算機(jī)科學(xué);2017年10期

4 王毅;;網(wǎng)絡(luò)推薦系統(tǒng)的三大挑戰(zhàn)——從用戶體驗(yàn)出發(fā)[J];清華管理評論;2013年06期

5 王海明;;基于大數(shù)據(jù)下電子商務(wù)商品推薦系統(tǒng)的分析[J];環(huán)球市場信息導(dǎo)報(bào);2017年27期

6 ;電商推薦系統(tǒng)進(jìn)階[J];IT經(jīng)理世界;2013年11期

7 王霞;;電子商務(wù)推薦系統(tǒng)評述[J];福建電腦;2006年08期

8 傅孟如;姜素蘭;閔婭萍;;VAX—11/750機(jī)學(xué)生測評、推薦系統(tǒng)的設(shè)計(jì)與應(yīng)用[J];計(jì)算技術(shù)與自動(dòng)化;1989年03期

9 張佳威;;美團(tuán)推薦系統(tǒng)實(shí)證系統(tǒng)[J];農(nóng)家參謀;2018年11期

10 洪文興;王寧;陳毅偉;周綺鳳;李濤;;大數(shù)據(jù)時(shí)代的人才推薦系統(tǒng)[J];大數(shù)據(jù);2017年02期

相關(guān)會(huì)議論文 前10條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 高夢晨;;推薦系統(tǒng)用戶感知調(diào)研[A];工業(yè)設(shè)計(jì)研究（第六輯）[C];2018年

3 李成;胡文麗;;推薦系統(tǒng)體驗(yàn)?zāi)Ｐ吞剿鳌砸曨l推薦為例[A];工業(yè)設(shè)計(jì)研究（第六輯）[C];2018年

4 李成;馮青青;;推薦系統(tǒng)準(zhǔn)確度衡量方案——引入權(quán)重概念[A];工業(yè)設(shè)計(jì)研究（第五輯）[C];2017年

5 王曉光;施玉海;尹亞光;;面向廣電的節(jié)目推薦系統(tǒng)研究[A];中國新聞技術(shù)工作者聯(lián)合會(huì)2017年學(xué)術(shù)年會(huì)論文集（學(xué)術(shù)論文篇）[C];2017年

6 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知識(shí)庫的互聯(lián)網(wǎng)商品信息分類與推薦系統(tǒng)[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

7 湯娟梅;唐嶺;;個(gè)性化英語閱讀文章推薦系統(tǒng)的設(shè)計(jì)[A];計(jì)算機(jī)與教育：理論、實(shí)踐與創(chuàng)新——全國計(jì)算機(jī)輔助教育學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];2010年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計(jì)[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

9 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

10 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

相關(guān)重要報(bào)紙文章 前5條

1 記者 周源;知意圖發(fā)布推薦系統(tǒng)Etu Recommender[N];網(wǎng)絡(luò)世界;2012年

2 本報(bào)記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計(jì)算機(jī)世界;2012年

3 本報(bào)記者 馮衛(wèi)東;網(wǎng)絡(luò)導(dǎo)購：找出你的最愛[N];科技日報(bào);2007年

4 本報(bào)記者 邱燕娜;精準(zhǔn)推薦 一客一市場[N];中國計(jì)算機(jī)報(bào);2012年

5 張秋明;用數(shù)據(jù)是新技能[N];福州日報(bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 夏彬;基于位置信息社交網(wǎng)絡(luò)的推薦系統(tǒng)研究[D];南京理工大學(xué);2018年

2 蔣偉;推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

3 練建勛;基于多樣化內(nèi)容數(shù)據(jù)的個(gè)性化推薦系統(tǒng)[D];中國科學(xué)技術(shù)大學(xué);2018年

4 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

5 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國科學(xué)技術(shù)大學(xué);2007年

6 顏端武;面向知識(shí)服務(wù)的智能推薦系統(tǒng)研究[D];南京理工大學(xué);2007年

7 劉龍;一個(gè)能實(shí)現(xiàn)個(gè)性化實(shí)時(shí)路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

8 楊東輝;基于情感相似度的社會(huì)化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

9 高全力;上下文感知推薦系統(tǒng)關(guān)鍵問題研究[D];西北大學(xué);2017年

10 尹航;信息推薦系統(tǒng)中的協(xié)同過濾技術(shù)研究[D];東北大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 蔡健;基于用戶特征的無人超市推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];浙江工業(yè)大學(xué);2019年

2 周強(qiáng);推薦系統(tǒng)中冷啟動(dòng)問題的研究[D];武漢理工大學(xué);2018年

3 王歡;基于移動(dòng)終端的人才推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];廈門大學(xué);2018年

4 林雨輝;利用深度學(xué)習(xí)構(gòu)建基于內(nèi)容的音樂推薦系統(tǒng)[D];廈門大學(xué);2018年

5 黃潔;沉默螺旋理論及其在推薦系統(tǒng)中的應(yīng)用[D];廈門大學(xué);2018年

6 孫爽博;多場景推薦系統(tǒng)核心算法研究[D];西南石油大學(xué);2018年

7 韓修龍;基于興趣流的混合推薦系統(tǒng)研究[D];西南石油大學(xué);2018年

8 謝幫敏;基于機(jī)器翻譯模型的搜索推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2019年

9 寧天昊;基于方面類別的情感分析和推薦系統(tǒng)方法研究[D];南京大學(xué);2019年

10 李濤濤;個(gè)性化服務(wù)推薦系統(tǒng)的研究及其在互聯(lián)網(wǎng)醫(yī)療中的應(yīng)用[D];安徽大學(xué);2019年

本文編號(hào)：2620847