[發(fā)明專利]基于交互信息的網(wǎng)頁(yè)點(diǎn)擊描述文檔構(gòu)建方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201010109586.7
• 申請(qǐng)日: 2010-02-09
• 公開（公告）號(hào): CN101789018A
• 公開（公告）日: 2010-07-28
• 發(fā)明（設(shè)計(jì)）人: 周博;劉奕群;張敏;金奕江;馬少平;茹立云;楊磊
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué);北京搜狗科技發(fā)展有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 廖元秋

1.一種基于交互信息的網(wǎng)頁(yè)點(diǎn)擊描述文檔進(jìn)行網(wǎng)頁(yè)檢索的方法，其特征在于，包括以 下步驟：

提取搜索日志中用戶與搜索引擎的交互信息，并根據(jù)所述交互信息建立所述用戶提交的 查詢與所述用戶所點(diǎn)擊網(wǎng)頁(yè)檢索結(jié)果之間的聯(lián)系；

根據(jù)所述交互信息建立初始的點(diǎn)擊描述文檔；

根據(jù)查詢引導(dǎo)的點(diǎn)擊量計(jì)算所述初始點(diǎn)擊描述文檔中的不同詞語(yǔ)的權(quán)重；

根據(jù)所述權(quán)重及初始的點(diǎn)擊描述文檔生成網(wǎng)頁(yè)點(diǎn)擊描述文檔；以及

基于網(wǎng)頁(yè)文檔和所生成的網(wǎng)頁(yè)點(diǎn)擊描述文檔，利用所述搜索引擎進(jìn)行搜索，其中

對(duì)于搜索日志中的每一條點(diǎn)擊事件記錄<user_i，query_j，url_k>，根據(jù)以下公式建立初始 的點(diǎn)擊描述文檔：

ClickDoc(url_k)＝ClickDoc(url_k)∪query_j，

其中，user_i表示用戶，query_j表示用戶提交的查詢?cè)~，url_k表示用戶點(diǎn)擊的URL， ClickDoc(url_k)表示url_k的初始的點(diǎn)擊描述文檔。

2.如權(quán)利要求1所述的方法，其特征在于，所述提取搜索日志中用戶與搜索引擎的交 互信息包括：

根據(jù)用戶訪問日志中的IP信息、用戶ID、查詢?cè)~和用戶點(diǎn)擊事件發(fā)生時(shí)間將所述用戶 的訪問記錄分成多個(gè)會(huì)話單位，其中，同一個(gè)會(huì)話單位的訪問記錄具有相同的IP信息、用 戶ID、查詢?cè)~。

3.如權(quán)利要求2所述的方法，其特征在于，同一會(huì)話單位中訪問記錄的用戶點(diǎn)擊事件 發(fā)生時(shí)間的最小值和最大值不超過30分鐘。

4.如權(quán)利要求2所述的方法，其特征在于，還包括：

過濾單個(gè)會(huì)話單元中用戶所點(diǎn)擊檢索結(jié)果的統(tǒng)一資源定位符URL的重復(fù)記錄，同一會(huì)話 單位中對(duì)于同一個(gè)URL的點(diǎn)擊只計(jì)算一次以防止用戶的點(diǎn)擊作弊行為。

5.如權(quán)利要求1所述的方法，其特征在于，根據(jù)以下公式計(jì)算所述初始點(diǎn)擊描述文檔 中的不同詞語(yǔ)的權(quán)重：

w(q,d)=|IncomClick(q,d)|Σd∈D|IncomClick(q,d)|,]]>

其中，IncomClick(q，d)表示所有以查詢q開始，并點(diǎn)擊了文檔d的點(diǎn)擊事件， |IncomClick(q，d)|表示點(diǎn)擊事件集合的元素?cái)?shù)目，D代表全體網(wǎng)頁(yè)集合。