發(fā)布時間：2024-12-26 00:09

　　 個性化搜索已被證明可以有效提高搜素引擎檢索質(zhì)量.大部分個性化搜索算法都是基于用戶的歷史行為構(gòu)建用戶模型,然后通過比較文檔和用戶模型的相似度來對原始結(jié)果進行個性化重排.本文認為用戶查詢需求具有動態(tài)性和隨機性,因此近期的用戶查詢行為以及與當(dāng)前查詢相關(guān)的歷史查詢行為對個性化當(dāng)前查詢的貢獻應(yīng)當(dāng)高于其他查詢.本文運用遞歸神經(jīng)網(wǎng)絡(luò)來構(gòu)建用戶個性化偏好,對用戶興趣的動態(tài)性進行建模,再利用注意力機制根據(jù)當(dāng)前查詢動態(tài)地對歷史用戶行為進行加權(quán).和以往對用戶興趣建模的方法不同,本文構(gòu)建出來的用戶模型依賴于當(dāng)前用戶查詢的需求.最終,文檔得分包括表示用戶模型與備選文檔相似度的個性化得分,以及查詢與文檔之間的相關(guān)度得分,據(jù)此得分排序后的文檔列表即為個性化排序結(jié)果.實驗表明,相比于傳統(tǒng)非個性化搜索方法以及現(xiàn)有的個性化搜索模型,本文的動態(tài)個性化搜索模型取得了更好的個性化搜索結(jié)果,在SLTB個性化搜索模型的基礎(chǔ)上將MAP值提升了2.7%.并且通過多項對比實驗證明了遞歸神經(jīng)網(wǎng)絡(luò)以及注意力機制的有效性.

【文章頁數(shù)】：15 頁

【文章目錄】：
1引言
2相關(guān)工作
    2.1個性化搜索
    2.2深度學(xué)習(xí)在信息檢索中的應(yīng)用
3個性化搜索模型
    3.1用戶歷史行為建模
        3.1.1用戶興趣建模
        3.1.2用戶狀態(tài)建模
        3.1.3用戶個性化偏好生成
    3.2注意力機制
    3.3個性化排序結(jié)果生成
4實驗與分析
    4.1 實驗設(shè)置
    4.2 對比模型
    4.3 實驗結(jié)果分析
        4.3.1 深度學(xué)習(xí)模型與傳統(tǒng)個性化搜索模型對比
        4.3.2 本文模型間對比
        4.3.3 注意力機制的效果
        4.3.4 長短期用戶歷史建模效果對比
        4.3.5 神經(jīng)網(wǎng)絡(luò)與非神經(jīng)網(wǎng)絡(luò)模型對比
        4.3.6 有無點擊特征的對比
        4.3.7 導(dǎo)航式與非導(dǎo)航式查詢對比
5結(jié)論
Background



本文編號：4020219