[发明专利]融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法

说明书

本发明涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法分为数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估六个阶段，本发明通过半监督学习的方法使用少量标注数据和大量未标注数据来提高评估模型的性能，并引入多视图学习的思想来克服传统的基于单视图的半监督学习方法容易陷入局部最优的问题。有益效果在于：(1)可以在少量的标注数据的情况下，有效地评估搜索引擎的用户信息需求满意度；(2)可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能；(3)分别从行为和时间的角度来描述用户的搜索过程，通过相互学习来避免模型陷入局部最优。

技术领域

本发明涉及互联网信息技术领域，尤其涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法。

背景技术

随着知识经济与信息化建设的高速发展，网络信息数据规模急速膨胀，海量信息资源在丰富人们信息来源的同时，也给人们获取信息造成了困扰，而搜索引擎凭借日趋精准化、人性化的信息检索服务成为用户访问万维网查找和获取资源信息的主要工具之一。同时，搜索引擎需要不断地进行算法改进和系统优化来满足用户日益增长的信息需求和高效方便获取信息资源的要求。因此，如何向用户提供优质的搜索服务，帮助用户快速准确地定位所需的信息资源，从而吸引更多用户使用，一直是商用搜索引擎公司所关注的重点。

传统的搜索引擎质量评价指标如前n位准确率(Precision at n,P@n)、平均准确率(Mean Average Precision,MAP)、标准化折扣累计回报(normalize DiscountedCumulative Gain,nDCG)等需要使用大量的人工标注数据评价搜索引擎的性能，但是这种人工标注需要消耗大量的人力和时间资源，难以大规模地实时开展。半监督学习能够使评价方法自动对大量未标注数据进行利用以辅助少量标注数据学习，然而传统的半监督学习方法大多是基于单视图的，即简单地把数据中所有的子属性集组合成一个单一的属性集，忽略了每个子属性所拥有的独特的统计学上的性质，而且在训练数据极其稀少的情况下容易陷入局部最优。

发明内容

本发明为克服上述的不足之处，目的在于提供融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法包括数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估等部分，本方法可以在少量的标注数据的情况下，有效地评估搜索引擎用户信息需求满意度；可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能。

本发明通过以下技术方案达到上述目的：融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，包括如下步骤：

(1)将搜索引擎日志数据分为行为视图数据与时间视图数据，其中搜索引擎日志数据包括标注数据与未标注数据两类，并对行为视图数据与时间视图数据作预处理；

(2)对预处理后的数据训练得到基于行为视图的满意度模型与基于时间视图的满意度模型；

(3)利用基于行为视图的满意度模型与基于时间视图的满意度模型对未标注数据分配伪标签；

(4)利用基于行为视图的满意度模型与基于时间视图的满意度模型，结合带有伪标签的未标注数据训练基于多视图和半监督学习的用户满意度模型；

(5)通过基于多视图和半监督学习的用户满意度模型计算得到信息需求的生成概率，输出概率最大的类作为输出的最终分类结果。

作为优选，所述步骤(1)对视图数据与时间视图数据作预处理包括：对搜索引擎日志数据内的标注数据所分出的行为视图数据与时间视图数据按照满意度标签分为满意行为视图数据和不满意行为视图数据，满意时间视图数据和不满意时间视图数据两部分；对搜索引擎日志数据内的未标注数据所分出的行为视图数据与时间视图数据处理得到评估数据。