面向相關性反饋的搜尋引擎用戶點擊模型研究

《面向相關性反饋的搜尋引擎用戶點擊模型研究》是依託清華大學，由馬少平擔任項目負責人的面上項目。

基本介紹

• 中文名：面向相關性反饋的搜尋引擎用戶點擊模型研究
• 依託單位：清華大學
• 項目負責人：馬少平
• 項目類別：面上項目

項目摘要

結果排序技術是搜尋引擎技術研究中的核心問題，而建立用戶點擊行為模型， 挖掘紛繁複雜的用戶行為數據中蘊含的隱式相關性反饋信息則是這一技術問題的重要進展 方向。面對搜尋結果中廣泛存在的富媒體展現形式和多模態互動方式，以各搜尋結果展現形 式相同為主要前提的同質性假設不再成立，這使得當前絕大多數點擊模型在真實搜尋套用環 境中受到越來越大的挑戰。與傳統點擊模型構建方式不同，本項目提出應當基於海量規模用 戶行為日誌數據和眼動實驗數據進行分析挖掘，對搜尋引擎用戶互動過程中客觀存在的結果 展現形式、用戶行為偏好和查詢需求類型方面的異質特性進行深入分析與模型特徵提取。在 此基礎上，更加全面的描述用戶點擊行為，協助搜尋引擎構建具有異質性描述能力的點擊模 型，並藉助機器學習方法實現對搜尋結果相關性的估計，以更好的提升搜尋引擎的結果排序 性能。

結題摘要

結果排序技術是搜尋引擎技術研究中的核心問題。用戶點擊模型通過對用戶與搜 索引擎互動過程的模型化描述，從海量規模用戶行為挖掘隱式反饋信息並提升結果排序性能。面對搜尋結果中廣泛存在的富媒體展現形式和多模態互動方式，以各搜尋結果展現形式相同為主要前提的同質性假設不再成立，這使得當前絕大多數點擊模型在真實搜尋套用環境中受到越來越大的挑戰。因此，本課題對搜尋引擎結果展現、用戶行為和查詢需 求方面的異質特性進行深入分析，進而構建具有異質性描述能力的點擊模型，以協助搜尋引擎更好的利用群體智慧達到服務網際網路用戶的目的。 在自然科學基金的支持下，項目負責人及研究小組順利完成原計畫開展的各項研究工作，基於用戶行為數據和眼動實驗數據，對搜尋引擎用戶互動過程中客觀存在的結果 展現形式、用戶行為偏好和查詢需求類型方面的異質特性進行深入分析與模型特徵提取。在此基礎上，構建了基於視覺顯著性特徵的檢驗預測模型，基於滑鼠移動行為的滿意度自動評估模型，引入時間信息的點擊模型，引入滑鼠移動信息的點擊模型，適用於圖片搜尋的用戶行為模型和適用於移動搜尋的點擊模型等一系列具有異質性描述能力的用戶行為模型。並藉助機器學習方法，實現對搜尋結果相關性的估計。相關研究成果加深對用戶與搜尋系統互動過程的認識，極大的擴展了傳統點擊模型的套用範圍，有效的提升了搜尋引擎的結果排序性能。 研究成果發表在SIGIR，TOIS，CIKM，WWW，IJCAI，IRJ等信息檢索、人工智慧和網路套用領域高水平會議和期刊上。相關成果共發表論文19篇，其中包含CCF A類論文10篇，CCF B類論文5篇，並曾獲得CIKM 2018最佳論文獎，SIGIR 2015最佳論文提名獎和AIRS 2016最佳論文提名獎。相關研究成果獲得2015年北京市科學技術一等獎。