本篇文章(Matching Task Profiles and User Needs in Personalized Web Search)出自於CIKM'08,
本篇研究提出一套個人化網路搜尋架構, 其主要係透過以統計為基礎的語言模型方法,用它來偵測使用者在網路搜尋時的需求與意圖.
此個人化架構基於使用者個人過往的歷史搜尋紀錄, 並藉此資訊來媒合使用者當前的搜尋需求, 其主要方法如下:
首先, 個人化搜尋架構會將使用者目前的搜尋結果和歷史搜尋記錄進行相似度計算, 計算方法採用Kullback-Leibler (KL) divergence.
接著, 系統會利用 threshold 機制來決定是否要將搜尋查詢實施 query rewritting 或將搜尋結果進行 re-ranking 的動作.有鑒於, 相似度的計算所採用的是KL divergence方法, 因此主要係比較歷史紀錄(tasks)的機率分佈以及當前搜尋結果(facets)的機率分佈.
然而過往歷史搜尋記錄(task)所涉及的行為非常的多元化 (例如: 歷史搜尋,點選的搜尋結果, 閱覽網站行為....), 本論文則是透過混合的方式(mixture)為每一個資料集產生一個語言模型; 同樣的語言模型方式亦應用於當前的搜尋結果(facet)上.
本研究在實驗方面作了一系列詳盡的比較:
1. 採用固定的query expansion 數量 vs. 個人化的query expansion.
2. 不同使用者所計算出來的KL correlation 對個人化結果的改善比較.
3. 不同是使用者所採用的參數實驗.
4. 個人化架構整體的效率分佈.
...
以下提供讀者參閱該論文, 所自行製作的投影片:
2007年7月4日
A New Suffix Tree Similarity Measure for Document Clustering
A New Suffix Tree Similarity Measure for Document Clustering
這篇論文想做的是關於文章的自動分群，使用的是結合Suffix Tree和Vector Space Document的方法，作者稱之為NSTC(new suffix tree document clustering algorithm)。
作者在論文中首先介紹了一個在1998年所提出的STC(suffix tree document clustering algorithm)，STC主要可分為三個步驟，第一是產生document的suffix tree，找出內部節點做為base cluster，第二步是base cluster 挑選，第三步是依據Jaccord coefficient來決定node是否具有direct link，最後各個connected graph即為分群的結果。換句話說，我們得到的是base cluster(相當於片語)的分群的結果, 任何文件若有包含這些片語，即會被歸為同一群，因此一個文件可能在不同群中出現．
而NSTC號稱欲將STC導入Vector Space Document，其做法於STC做完第二步後，以tfidf來算一個node在document的重要性，再以cosine來算document間的相似度，最後以這些相似度來做GAHC(Group-average Agglomerative Hierarchical Clustering)。因此其分群方法其實已經不同於STC所用的graph partitioning．好處是可以利用分群中的node來做為cluster的summary描述，但是這個好處在最後的實驗當中並不是很明顯。
最後的實驗裡，作者拿了STC和NSTC與傳統的GAHC做個比較，並以F-Measure做為評量的標準，發現NSTC確實相較於其他兩者有較好的表現。 但是終歸比較的是同樣的分群方法GAHC，只是表示方法一個是用node(片語)一個是用single term，似乎貢獻不大．
WWW 2007 Banff, Alberta, Canada. pp. 121 - 130.
這篇論文想做的是關於文章的自動分群，使用的是結合Suffix Tree和Vector Space Document的方法，作者稱之為NSTC(new suffix tree document clustering algorithm)。
作者在論文中首先介紹了一個在1998年所提出的STC(suffix tree document clustering algorithm)，STC主要可分為三個步驟，第一是產生document的suffix tree，找出內部節點做為base cluster，第二步是base cluster 挑選，第三步是依據Jaccord coefficient來決定node是否具有direct link，最後各個connected graph即為分群的結果。換句話說，我們得到的是base cluster(相當於片語)的分群的結果, 任何文件若有包含這些片語，即會被歸為同一群，因此一個文件可能在不同群中出現．
而NSTC號稱欲將STC導入Vector Space Document，其做法於STC做完第二步後，以tfidf來算一個node在document的重要性，再以cosine來算document間的相似度，最後以這些相似度來做GAHC(Group-average Agglomerative Hierarchical Clustering)。因此其分群方法其實已經不同於STC所用的graph partitioning．好處是可以利用分群中的node來做為cluster的summary描述，但是這個好處在最後的實驗當中並不是很明顯。
最後的實驗裡，作者拿了STC和NSTC與傳統的GAHC做個比較，並以F-Measure做為評量的標準，發現NSTC確實相較於其他兩者有較好的表現。 但是終歸比較的是同樣的分群方法GAHC，只是表示方法一個是用node(片語)一個是用single term，似乎貢獻不大．
WWW 2007 Banff, Alberta, Canada. pp. 121 - 130.
訂閱：
文章 (Atom)
