基于统计和特征相结合的查询纠错方法研究

摘要：

[目的]提高搜索引擎查询纠错过程中的准确率和召回率,改善用户的检索体验.[方法]提出一种基于统计和特征相结合的查询纠错模型,建立混淆集生成模型,将用户输入的查询关键字生成其对应的混淆集;建立混淆集排序模型,对混淆集中的词条进行排序,选出混淆集中最佳的词条与用户输入的查询关键字对照,以此达到查错纠错的目的.[结果]实验结果证明该模型在搜索引擎查询时具有较好的效果,测试集在110k时的准确率和召回率分别达到92.2％和95％,相对于N-gram纠错模型准确率和召回率分别提高13.6％和8.3％.[局限]该模型中混淆集的生成规则有限、模型的训练需要大量的计算.[结论]本模型能够提高搜索引擎查询的准确率及效率,改善用户的检索体验.

关键词：查询纠错、混淆集、N-gram模型、N-gram相似度、编辑距离、点击词频

分类号：TP391;G35(计算技术、计算机技术)

资助基金：本文系北京市社会科学基金项目“北京市公共危机事件在网络传播中的演化机制与模型研究”项目编号:13SHC031和国家自然科学基金项目“面向维基百科的多粒度一体化信息抽取方法研究”项目编号:61103112的研究成果之一.

在线出版日期：2016-04-14（万方平台首次上网日期，不代表论文的发表时间）

页码：34-42