[發(fā)明專利]使用路徑受約束的隨機(jī)游走的查詢擴(kuò)展和查詢-文檔匹配

有效

• 申請?zhí)枺?/td>: 201480042201.6
• 申請日: 2014-07-24
• 公開（公告）號: CN105659225B
• 公開（公告）日: 2019-09-13
• 發(fā)明（設(shè)計(jì)）人: J·高;G·徐;J·徐
• 申請（專利權(quán)）人: 微軟技術(shù)許可有限責(zé)任公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/953
• 代理公司: 永新專利商標(biāo)代理有限公司 72002
• 代理人: 劉瑜;王英

在本文中所描述的各種技術(shù)涉及使用路徑受約束的隨機(jī)游走來進(jìn)行查詢擴(kuò)展和/或查詢文檔匹配。來自搜索日志的點(diǎn)進(jìn)數(shù)據(jù)被表示為帶標(biāo)記并且有向的圖。基于輸入查詢在圖上執(zhí)行路徑受約束的隨機(jī)游走。所述圖包括：第一節(jié)點(diǎn)集合，其表示包括在來自搜索日志的點(diǎn)進(jìn)數(shù)據(jù)中的查詢；第二節(jié)點(diǎn)集合，其表示包括在來自搜索日志的點(diǎn)進(jìn)數(shù)據(jù)中的文檔；第三節(jié)點(diǎn)集合，其表示來自查詢和文檔的單詞；以及在節(jié)點(diǎn)之間的邊，所述邊表示在查詢、文檔和單詞之間的關(guān)系。路徑受約束的隨機(jī)游走包括在所述圖的節(jié)點(diǎn)之間的邊上進(jìn)行的遍歷。此外，至少部分地基于路徑受約束的隨機(jī)游走，計(jì)算在目標(biāo)節(jié)點(diǎn)和表示輸入查詢的源節(jié)點(diǎn)之間的關(guān)系的得分。

背景技術(shù)

項(xiàng)錯(cuò)配(term mismatch)可能成為在執(zhí)行搜索時(shí)的挑戰(zhàn)。例如，一項(xiàng)查詢(query)與其相關(guān)文檔往往是使用不同詞匯和語言風(fēng)格來構(gòu)成的，這會導(dǎo)致項(xiàng)錯(cuò)配。搜索引擎所利用的將文檔匹配到查詢的常規(guī)算法可能由于項(xiàng)錯(cuò)配而受到不利影響，并且因此，常常采用查詢擴(kuò)展(QE)來解決這樣的挑戰(zhàn)。查詢擴(kuò)展(query expansion)能夠利用另外的相關(guān)項(xiàng)(稱作“擴(kuò)展項(xiàng)”)來對由用戶發(fā)起的查詢進(jìn)行擴(kuò)展，以使得能夠檢索到更相關(guān)的文檔。

已經(jīng)實(shí)現(xiàn)了各種常規(guī)QE技術(shù)以用于信息檢索(IR)。一些基于自動相關(guān)反饋(例如，顯式反饋和偽相關(guān)反饋(PRF))的傳統(tǒng)QE技術(shù)能夠增強(qiáng)IR的表現(xiàn)。然而，這樣的技術(shù)可能無法直接應(yīng)用于商業(yè)網(wǎng)絡(luò)搜索引擎，因?yàn)橄嚓P(guān)的文檔可能是不可用的。此外，偽相關(guān)文檔的生成可以采用多相位檢索，這要實(shí)時(shí)執(zhí)行可能是昂貴并且耗時(shí)的。

最近發(fā)展的QE技術(shù)利用搜索日志(例如，點(diǎn)進(jìn)(click-through)數(shù)據(jù))。這些技術(shù)稱為基于日志的QE，也能夠從(偽)相關(guān)文檔的集合中得出擴(kuò)展項(xiàng)用于查詢。然而，與基于自動相關(guān)反饋的技術(shù)不同，可以用基于日志的QE技術(shù)根據(jù)記錄在搜索日志中的用戶點(diǎn)擊(click)來識別相關(guān)的集合。例如，通過將先前已針對輸入查詢點(diǎn)擊過的文檔包括進(jìn)來，能夠形成該查詢的(偽)相關(guān)文檔的集合。許多常規(guī)的基于日志的QE技術(shù)使用根據(jù)搜索日志預(yù)先計(jì)算出的全局模型。該模型能夠捕獲在查詢項(xiàng)和文檔項(xiàng)之間的相互關(guān)系，并且能夠被用來即時(shí)(on the fly)為輸入查詢生成擴(kuò)展項(xiàng)。

盡管基于日志的QE技術(shù)的有效性，這樣的方法仍可能苦于各種問題。例如，數(shù)據(jù)稀疏性能夠?qū)谌罩镜腝E技術(shù)的有效性造成影響。如齊普夫定律(Zipf's law)所陳述的，大部分的查詢在搜索日志中可能幾乎沒有或完全沒有點(diǎn)擊。此外，搜索意圖的模糊性能夠?qū)谌罩镜腝E技術(shù)造成不利影響。例如，項(xiàng)相互關(guān)系模型(term correlation model)可能無法將查詢項(xiàng)“book”在“school book(學(xué)校用書)”中與在“hotel booking(酒店預(yù)訂)”中的搜索意圖相區(qū)分。雖然通過使用基于詞組(phrase)和概念的相互關(guān)系模型可以部分地緩解該問題，但可能存在這樣的場景：其中在不使用全局上下文的情況下不能夠正確地識別搜索意圖。例如，查詢“為什么六瓶一包”可能是關(guān)于包裝的，而“極品烘焙面包”的查詢意圖可能關(guān)心的是在加利福尼亞尋找一家面包店。在這樣的情況下，該輸入查詢的(偽)相關(guān)文檔的集合，如果可得的話，可能是比全局相互關(guān)系模型更可能保留原始搜索意圖的。

發(fā)明內(nèi)容