[发明专利]一种面向用户信息需求的搜索引擎日志数据挖掘的方法

摘要

本发明涉及互联网搜索引擎日志划分领域，尤其涉及一种面向用户信息需求的搜索引擎日志数据挖掘的方法，包括：查询日志块归类、查询相似度计算和用户信息需求提供，综合计算查询词相似度和查询结果相似度作为查询相似度，以此为依据判断了两个查询是否具有相同的信息需求，有效快速的对搜索日志进行划分。本发明的有益效果在于：本发明针对传统的搜索引擎质量评价方法不能完整描述用户复杂、模糊信息需求的缺陷，提出了基于行为日志的搜索引擎用户信息需求满意度评估方法，以用户信息需求为单位，通过分析搜索引擎日志中用户的搜索行为来评估用户满意度，分析出用户的个性化需求，并从而促进搜索引擎技术的发展、提高搜索引擎的服务质量。

主权项

一种面向用户信息需求的搜索引擎日志数据挖掘的方法，其特征在于包括查询日志块归类、查询相似度计算和用户信息需求提供，查询日志块归类包括以下步骤：1)根据日志信息标志每个用户查询的查询时间和IP；2)根据用户IP对搜索日志进行划分，默认IP相同的搜索日志为一个用户的查询日志块；3)对相同用户的查询日志块用时间划分，将查询时间间隔大于时间阈值的查询划分成不同查询块；查询相似度计算包括查询词相似度计算、查询结果相似度计算及查询相似度输出，查询词相似度计算包括以下步骤：1)输入用户查询块中的查询语句，将查询语句的词进行分词，去掉停用词；2)在经过分词的查询语句中提取查询关键词；3)计算查询关键词中相同的词和不同的词；4)输出相同的词和查询关键词的比值作为查询词相似度；查询结果相似度计算包括以下步骤：1)提取查询返回的结果网页作为输入；2)提取网页进行文本化，对文本进行分词；3)计算每个单词的TF‑IDF值，将文本向量化；4)通过比较两个查询的距离计算出查询结果相似度；根据查询词相似度和查询结果相似度，输出查询相似度；用户信息需求提供包括以下步骤：1)输入经过时间和用户IP划分的用户搜索日志；2)在划分好的查询块内，计算第一个查询和其他查询的相似度，将相似度 高的所有查询归为同一个用户信息需求的搜索任务查询并标记；3)统计用户查询相似度得出用户信息需求，并通过搜索引擎提供给用户个性化需求的结果。