39、个性化网络搜索与流量分类技术解析

个性化网络搜索与流量分类技术解析

1. 个性化网络搜索研究现状

个性化已被大量用户接受，用于简化网络搜索引擎的使用。然而，多年来仍难以分析个性化是否会对各类查询和不同用户产生不利影响。以下是一些相关研究：
- Dou的研究 ：探讨了个性化面临的问题及解决方案。不同用户输入的查询往往产生相同结果，尽管信息目标不同。基于查询日志开发的框架可大规模提升个性化搜索效果，点击熵大的查询比普通网络搜索有显著改进。并非所有查询都适合个性化，基于用户资料的搜索策略不如基于点击的搜索策略可靠有效，结合两者会更可靠。
- Deng和Lee的研究 ：提出根据用户偏好显示搜索结果的个性化搜索引擎。引入Spy Naïve Bayes（NB）挖掘技术，认为点击项暗示用户选择。为解决搜索引擎转换问题，考虑了偏好挖掘和排名函数优化两个研究问题。新的SpyNB方法生成偏好列表，由Ranking Support Vector Machine（RSVM）优化排名函数，该方法比现有算法更高效灵活。
- Alexander Pretschner和Susan Gauch的研究 ：探索将用户兴趣融入搜索过程以提升搜索结果的方法。根据用户浏览在线页面的方式生成用户资料，结合时间、主题判别器和长度三个指标分析用户行为并创建资料，该资料能反映用户兴趣，可用于更有效的信息检索和过滤。
- Krause和Horvitz的研究 ：为解决用户隐私问题，研究个性化中的隐私问题，用户可选择分享个人信息以换取更相关搜索结果的提升。通过对保存用户搜索历史的日志进行图形分析调查，理解个性化的效用，旨