基于搜索时间序列聚类的网络用户搜索策略识别

[目的/意义] 搜索引擎是用户访问网络资源的重要入口,识别用户搜索策略有助于发现用户搜索的认知规律,让搜索引擎更好地理解用户搜索。[方法/过程] 采用Microsoft顺序分析与聚类分析算法对用户搜索日志中的搜索时间进行分析,识别用户利用搜索引擎时普遍采用的搜索策略,并概括不同类型搜索策略的特征。[结果/结论] 用户在搜索中存在“快速消费”策略、“试探”策略、“探索”策略和“终止与确认”策略,不同策略在搜索时间、浏览次数、用户认知过程等方面表现出明显的差异。     

一种基于后缀树的Web搜索结果聚类方法

为同时满足Web搜索结果聚类的关联性、快速性以及类别描述的可浏览性等需求,本文提出了一种适合中文Web信息搜索结果的后缀树聚类算法,其中后缀树的构建以中文汉字为基本单位,一种有效的策略解决了基于二进制方法合并短语类后的类别描述问题,利用短语类语义层面的相似性合并同义短语类,有效地改善了聚类结果的质量.测试结果表明:与传统的文档聚类算法相比,基于后缀树的算法在Web文档聚类的精度和效率方面具有较强的优越性.     

基于用户行为聚类的人物角色量化模型创建实证研究

根据人机交互设计中人物角色的用户建模思想,在机构仓储系统的应用环境下,通过对用户行为日志的分析,采用K-means聚类方法识别用户行为模式,并据此划分主要用户群体类型,创建机构仓储系统的人物角色-行为特征矩阵量化模型。     

基于概念格的Web学术信息搜索结果的二次组织*

使用概念格技术对Web学术信息搜索结果进行再处理,通过提取结果文献集的特征词,以检出的文献为对象,以经过分类后能高度概括文献集内容的特征词集作为属性集,建立“搜索结果”概念格,以此实现检索结果的聚类表达,帮助用户进一步获得检索目标。     

混合搜索结果改变用户行为

如果你还没有优化你的新闻、图像和视频内容,你需要开始行动了。最近的一项研究指出,混合搜索或全面搜索正在改变用户的搜索方式。确认你的专业内容显示在搜索结果的前列,现在比以前更为重要。     

协同推荐中基于用户-文档矩阵的用户聚类研究*

针对个性化推荐服务的需要以及用户聚类处理时用户-文档访问数据的高维稀疏性问题，采用“比对降维”的思想和K层次聚类算法，分析基于用户资源评价数据的用户聚类处理流程。在此基础上，采用Java开源技术设计并实现一个用户聚类的试验系统。     

移动搜索用户持续使用行为实证研究

随着移动互联网的迅速普及,移动搜索已成为用户信息获取的重要渠道,以此为背景,对相关文献进行综述和理论分析。基于Bhattacherjee（2008）的扩展ECM-ISC模型,提出并证明了移动搜索用户持续使用的理论模型。该模型揭示了移动搜索信息系统的系统质量、信息质量、服务质量等外生因素对用户的感知有用性以及期望确认的影响,用户的自我功效等个体特性对其持续使用意图的影响,促成因素等对其持续使用行为的影响,以及用户的持续使用意图和行为与满意度、用户使用后的感知有用性、期望确认等内生性因素之间的关系。图4。表1。参考文献36。     

Web搜索结果多层聚类方法研究

为了便于用户浏览搜索引擎返回结果,本文提出了一种基于TFIDF新的文本相似度计算方法,并提出使用具有近似线性时间复杂度的增量聚类算法对文本进行多层聚类的策略。同时,提出了一种从多文本中提取关键词的策略:提取簇中的名词或名词短语作为候选关键词,综合考虑每个候选关键词的词频、出现位置、长度和文本长度设置加权函数来计算其权重,不需要人工干预以及语料库的协助,自动提取权重最大的候选关键词作为类别关键词。在收集的百度、ODP语料以及公开测试的实验结果表明本文提出方法的有效性。     

基于异构检索模式的用户学术搜索信息行为日志构建

用户日志是记录用户信息行为的重要手段,笔者通过MetaLib异构学术检索系统及建设需求构建了一个基于异构检索模式的用户学术搜索信息行为日志系统,该日志系统能有效地记录用户整个学术搜索阶段的信息行为,对用户个性化服务、学术搜索引擎的优化与改进、数字资源的使用统计与采购分析等有非常特别的意义。     

基于用户日志的移动搜索行为分析

认为移动搜索用户行为特征与规律的发现,对移动搜索服务的改进具有重要的参考价值。基于国内某大型学术类网站一批包含300余万条有效记录的日志数据,分析查询串、搜索时间的分布、搜索会话、移动搜索设备终端等我国移动搜索用户行为的基本特征指标。研究结果显示:与传统PC搜索相比,移动用户的查询时间分布更均匀,会话更短,使用查询推荐比例更少,移动智能终端设备用户搜索更频繁。     

基于强化学习模型的科技文献数据库用户学习行为研究

将心理学、经济学中研究的化学习模型应用于科技用户对检索方法学习的行为研究中,介绍两个经典强化学习模型Bush-Mosteller模型和B(o)rgers-Sarin模型;对科技用户信息检索过程中强化学习机理进行剖析,并设计实验室控制实验以运用学习模型对用户的学习行为进行量化分析.实验结果表明:强化学习可以成功反映科技用户对数据库检索方法的学习过程,且B(o)rgers-Sarin模型能更好地拟合科技用户行为;最后针对数据分析结果对数据库的建设提出策略建议.     

基于概念格的实体档案馆用户行为研究

提出基于概念格的实体档案用户行为研究方法。对实体档案用户行为进行实践调研,以此形成实体档案馆用户行为的单值形式背景,构建实体档案馆用户行为概念格,将实体档案馆用户初步细分为7个用户群,并探析不同档案用户群行为特点。最后,提取档案用户行为关联规则,解析历史档案用户群、专门档案用户群、学校档案馆用户群等不同类型档案用户群的行为规律。     

探讨基于网络协作学习的图书馆用户培训方式

图书馆用户培训是目前图书馆读者工作的重点内容.文章阐述了目前高校用户培训状况及不足,提出开展基于网络协作学习的用户培训,论述了这种新方式的教学理论依据,提出培训过程设计要点,并以案例的分析,提供借鉴.     

基于关键词共现分析的检索结果聚类研究

随着互联网规模的急剧扩张,提升信息检索的效用变得相当困难.本文首先通过特定算法提取每篇文档的关键词,然后运用统计方法计量不同文档的共现关键词并形成相应的共现关键词标签矩阵,最后利用层次聚类算法对共现关键词标签进行聚类并形成相应的层次标签树来构造文档聚类束.该方法可以对源搜索引擎返回的结果进行有效的分类,使用户在更高主题层次上查看检索词的相关信息,准确地找到感兴趣的信息.通过与Lingo算法的比较,显示本文算法所得的标签更具可读性和概括性,同时F-measure评价指标也表明本算法在文本聚类的质量上有了一定的提升.     

基于用户行为信息的知识组织模型构建研究

文章在分析用户行为信息的类型、知识组织和利用的基础上,提出了一个较为通用的用户信息知识组织模型,对于不同来源、不同格式的用户行为信息可以存放到统一的日志库中.通过预先定义的模式进行信息析取、数据挖掘,我们可以发现有用的用户行为知识,以用于知识服务.     

基于社区Web日志挖掘的用户行为实证研究

用户访问行为信息记录在Web日志中,通过对海量Web日志进行清洗、抽取和加载来构建用户行为数据仓库,并结合文章所提出的用户访问路径概率矩阵模型进行数据挖掘,可以实现智能化的用户行为监控,可以为用户提供及时优质的信息服务。