22、基于查询流图建模的查询推荐方法

基于查询流图建模的查询推荐方法

1. 引言

在搜索领域，查询推荐是帮助用户表达和探索信息需求的重要工具。然而，查询流图中往往包含多种搜索意图的混合，而现有的大多数方法在生成推荐时并未考虑到这种意图的模糊性。这可能导致为用户提供的推荐要么混合了多种意图，使用户难以处理，要么仅由某种特定意图主导，无法满足不同用户的需求。

2. 相关工作

• 查询推荐 ：
  • Beeferman等人通过对点击二分图应用凝聚聚类算法来识别相关查询进行推荐。
  • Ma等人基于用户 - 查询图和查询 - URL图开发了两级查询推荐方法。
  • Zhu等人基于查询流形结构生成多样化的查询推荐。
  • Boldi等人引入了查询流图，并在其上应用个性化随机游走进行查询推荐。
• 混合模型 ：
  • Newman等人提出了一种概率混合模型来发现图中的重叠社区。
  • Ramasco等人引入了更通用的图混合模型用于相同目的。
  • Ren等人描述了一种无向图的混合模型，假设图中的每条边来自同一个社区。

3. 方法介绍

3.1 查询流图

查询流图将不同搜索会话中的查询整合为一个有向且同质的图。形式上，查询流图 $G = (V, E, w)$，其中：
- $V = Q \cup {s, t}$，$Q$ 是