原文服务方: 科技与创新       
摘要:
由于搜索引擎中用户数据的不完整性,导致在构建用户画像时标签缺失,提出预测多维用户标签的Stacking模型融合方法,以预测用户画像的三个标签为例,进行实验和分析.该模型为两层结构,第一级模型中使用TF-IDF算法提取用户搜索词特征并用多分类器训练,同时将Doc2Vec模型构建具有关联信息的文本特征并用BP神经网络训练,第一级模型的输出作为第二级模型的输入,用SVM支持向量机进行分类和预测,得到用户的标签信息.实验用该模型与传统模型进行了实验对比,证明该模型在搜索引擎数据的用户标签预测任务中有较高的准确率.
推荐文章
基于混合模型的多搜索引擎融合
相关分值
混合模型
搜索引擎融合
分值合并
元搜索引擎研究
搜索引擎
信息检索
元搜索引擎
基于数据挖掘的搜索引擎技术
数据挖掘
搜索引擎
用户负反馈
语义搜索引擎概念模型
语义Web
本体
元数据
搜索引擎
推理机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于模型融合的搜索引擎用户画像技术
来源期刊 科技与创新 学科
关键词 模型融合 文本分类 搜索引擎 用户画像
年,卷(期) 2020,(7) 所属期刊栏目 理论探索
研究方向 页码范围 17-19,22
页数 4页 分类号 TP399
字数 语种 中文
DOI 10.15913/j.cnki.kjycx.2020.07.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王佳斌 华侨大学工学院 33 132 5.0 10.0
2 郭梁 华侨大学工学院 1 0 0.0 0.0
3 马迎杰 华侨大学工学院 2 0 0.0 0.0
4 朱新龙 华侨大学工学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (13)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
模型融合
文本分类
搜索引擎
用户画像
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
论文1v1指导