[發(fā)明專利]對(duì)象級(jí)垂直搜索引擎?zhèn)€性化排序算法iRank

無效

• 申請?zhí)枺?/td>: 201010150965.0
• 申請日: 2010-04-20
• 公開（公告）號(hào): CN102236646A
• 公開（公告）日: 2011-11-09
• 發(fā)明（設(shè)計(jì)）人: 倪毅;張惟師
• 申請（專利權(quán)）人: 得利在線信息技術(shù)(北京)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及對(duì)象級(jí)垂直搜索引擎領(lǐng)域中個(gè)性化搜索結(jié)果相關(guān)性排序的算法研究。

背景技術(shù)

時(shí)代的發(fā)展，使得互聯(lián)網(wǎng)網(wǎng)頁規(guī)模以人類難以想象的速度爆炸性膨脹，信息過剩、注意力稀缺的主要矛盾進(jìn)一步深化。傳統(tǒng)通用搜索的問題也越來越突出和深化，主要問題是：無效信息過多(噪音數(shù)據(jù)多)、有效信息不足、有效信息非結(jié)構(gòu)化、返回結(jié)果無個(gè)性化優(yōu)化機(jī)制。下一代搜索引擎的發(fā)展趨勢是更加智能，其中最重要的分支是對(duì)象級(jí)垂直搜索。在所垂直的領(lǐng)域，該技術(shù)能夠?yàn)橛脩籼峁┍韧ㄓ盟阉鞲嗟念I(lǐng)域內(nèi)相關(guān)有效信息。在所垂直的領(lǐng)域內(nèi)，該技術(shù)為用戶提供的都是經(jīng)過整理的、結(jié)構(gòu)化的對(duì)象信息，從而大大降低無效信息的比例。

個(gè)性化搜索引擎排序是指在普通搜索引擎相關(guān)性排序基礎(chǔ)上，根據(jù)用戶的背景，使用記錄和興趣等調(diào)整排序算法，針對(duì)不同的用戶提供不同的服務(wù)。與傳統(tǒng)搜索引擎的排序算法(PageRank，HITS)相比，得利對(duì)象級(jí)垂直搜索引擎?zhèn)€性化排序算法iRank根據(jù)用戶瀏覽網(wǎng)頁時(shí)的行為和用戶的特征信息，運(yùn)用數(shù)據(jù)挖掘和個(gè)性化推薦技術(shù)預(yù)測用戶對(duì)信息的需求，智能地對(duì)信息檢索結(jié)果進(jìn)行個(gè)性化的排序，為用戶提供個(gè)性化的信息服務(wù)，增加搜索引擎對(duì)用戶興趣的應(yīng)變能力，有極大市場應(yīng)用前景。

發(fā)明內(nèi)容

本發(fā)明提出一種對(duì)象級(jí)垂直搜索引擎的個(gè)性化推薦算法iRank，該算法將基于用戶興趣模型和相似用戶模型的個(gè)性化推薦算法結(jié)合到對(duì)象級(jí)搜索引擎?zhèn)鹘y(tǒng)的語義排序算法中，影響返回對(duì)象的排序得分，實(shí)現(xiàn)對(duì)象集結(jié)果上的不同用戶間的個(gè)性化排序。具體流程請看附圖1。

1.本發(fā)明中定義的一些基本數(shù)據(jù)結(jié)構(gòu)。

1)item：每個(gè)對(duì)象化實(shí)體，包括餐館、圖書、商場等。

2)feature：每個(gè)item的特征向量集合，不同種item擁有不同的feature向量。如餐館類item，feature向量的值包括：餐館名稱、地址、菜系、推薦菜、人均消費(fèi)等。

3)user：基本的互聯(lián)網(wǎng)用戶u，每一個(gè)用戶維護(hù)一個(gè)info(u)向量和一個(gè)itemRating(u)向量。

●info(u)向量記錄該用戶基本信息，包括：注冊年齡、職業(yè)、常登陸ip地址；

●itemRating(u)向量主要記錄user?u對(duì)item集合的評(píng)價(jià)打分值，這個(gè)向量中的的每一個(gè)維度值記錄user對(duì)一個(gè)item的喜好評(píng)價(jià)得分，這個(gè)得分可以通過user對(duì)該item的評(píng)論(情感分析技術(shù))和該用戶在item頁面停留時(shí)間(eyetrack?time)來確定。

2.算法之中各個(gè)模塊相關(guān)信息如下：

1)行業(yè)本體庫模型：存儲(chǔ)各個(gè)item(對(duì)象)的結(jié)構(gòu)化基本信息，包括每個(gè)對(duì)象的基本結(jié)構(gòu)化信息和對(duì)象之間的相似度信息。構(gòu)建item-item的矩陣MII，矩陣中每個(gè)值為itemA和itemB的相似度(0-10)，通過itemA和itemB的feature向量來計(jì)算。

2)語義分析模型：基本的關(guān)鍵字語義級(jí)別搜索匹配模型，包括切詞、同義詞、查找匹配和相關(guān)度排序模型等子模型。

3)用戶興趣模型：用于構(gòu)建用戶和本體庫對(duì)象之間的喜好興趣關(guān)系，并對(duì)語義模型排序結(jié)進(jìn)行基于用戶興趣模型的個(gè)性化推薦排序。運(yùn)用情感分析器和eyetrack分析器構(gòu)建user-item矩陣MUI，每行值為useru對(duì)應(yīng)的itemRating(u)向量。

4)相似用戶模型：用于構(gòu)建用戶和本體庫對(duì)象之間喜好興趣關(guān)系，并對(duì)用戶興趣模型排序結(jié)果再進(jìn)行基于用戶相似度模型的個(gè)性化推薦排序。構(gòu)建user-user矩陣MUU，每個(gè)值為一個(gè)userA和userB的相似度得分，范圍(0-10)，可通過A、B兩用戶興趣模型的相似成都來計(jì)算。最后使用協(xié)同過濾Collaborative?Filtering?Algorithms(CF)之中的user-based算法進(jìn)行推薦。

iRank算法的輸入變量是用戶在垂直領(lǐng)域的搜索關(guān)鍵詞，輸出就是搜索頁面返回的符合條件的對(duì)象集合的個(gè)性化排序結(jié)果。以得利搜索餐飲垂直領(lǐng)域?yàn)槔?，比如，用戶u在餐飲界面輸入搜索關(guān)鍵詞“川菜”，系統(tǒng)首先對(duì)輸入的關(guān)鍵字在本體庫里面進(jìn)行語義級(jí)別的匹配排序；然后會(huì)根據(jù)用戶u興趣模型中itemRating(u)向量排序，找到到更適合用戶u的川菜餐館，并對(duì)之前語義匹配的item(對(duì)象)集合進(jìn)行排序；最后參考數(shù)據(jù)庫之中u的相似用戶模型推薦給u的餐館集合，對(duì)返回的川菜餐館進(jìn)一步排序，最大程度滿足用戶u對(duì)于“川菜”的個(gè)性化搜索需求。返回頁面的截圖見附圖2。

附圖說明

圖1為iRank算法流程圖

圖2為對(duì)象級(jí)個(gè)性化搜索返回頁面圖