一种建立在对客户端浏览历史进行LDA建模基础上的个性化查询推荐算法

现代搜索引擎普遍采用简单的关键词形式来表达查询，这为用户带来便利的同时也增加了准确获取信息的难度.搜索引擎很难基于少量的几个关键词准确捕捉用户的信息需求.查询推荐作为缓解上述问题的关键技术，已经开始应用于目前主流的搜索引擎.然而，绝大多数现有的查询推荐技术基于群体智慧，以搜索引擎日志为数据源，从中挖掘用户群体在构造查询方面的习性及查询之间的语义关联性，未考虑不同用户个性化的信息喜好，而且在搜索引擎服务器端进行查询推荐计算也会影响搜索引擎的响应效率和查询吞吐率.为此，本文提出一种运行于客户端的个性化查询推荐策略，该策略以用户浏览历史为数据源，采用LDA模型，并从中学习用户的信息喜好，在此基础上利用原始查询被主题模型生成的概率确定用户的查询意图，以词条与查询意图之间的关联来度量词条作为扩展查询被推荐的强度，最后选择Top N强度最强的词条作为查询推荐的结果.以人工标注的测试数据对本文所提出的算法进行了实验验证，结果表明，该算法在推荐扩展查询的准确率方面明显优于单纯基于词条与原始查询语义相关的方法

An algorithm for personalized query recommendation using LDA modeling of client-side browsing history