基于词项图分析的查询分面挖掘方法

• 作者: 张宜春 文继荣 李谨秀 江政宝 窦志成
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 查询分面 用户意图 频繁列表 词项图 知识库 社会媒体 社会计算
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 社会媒体分析和挖掘
• 页码范围: 556-569
• 页数: 14页
• 分类号: TP18
• 字数: 14954字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2017.00556

摘要

查询分面是用于描述查询某一方面内容的一组并列的词或词组.现有的查询分面挖掘方法主要通过模式挖掘搜索结果中包含的高频列表,并利用无监督或有监督的方法对高频列表进行聚类,最终得到查询分面.因为通常采用的搜索结果的数目有限,这种方法挖掘出的查询分面及其包含的分面项的覆盖率不高.针对这一问题,该文提出了一种基于从大规模网页中构建的词项图的查询分面挖掘方法.首先基于大规模网页数据集构建词项图,图中的节点代表词项,边代表两个词项的相似性.针对每个查询,从搜索结果中挖掘出初始分面,然后基于词项图对这些初始查询分面进行扩充,找到词项图中与初始分面类似的候选词,对候选词抽取多种特征,最后利用支持向量机对候选词进行分类,预测词项是否可为扩充词项,并将预测为正例的词项扩充到分面中.该扩充过程迭代多次直到无法找到更多分面项.实验表明该方法可有效提高查询分面的质量,尤其是能够显著改善分面项的覆盖率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宜春		5	37	1.0	5.0
2	窦志成	中国人民大学信息学院	7	1	1.0	1.0
3	江政宝	中国人民大学信息学院	1	1	1.0	1.0
4	李谨秀	中国人民大学信息学院	1	1	1.0	1.0
5	文继荣	中国人民大学信息学院	11	86	2.0	9.0