[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

摘要

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。

主权项

1.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，其特征在于，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。