利用不相關回饋動態調整之個人化搜尋

Using Non-relevance Feedback in Dynamic Adaptation of Personalized Search Results

10.29768/JNTUT.201106.0003

王正豪(Jenq-Haur Wang)；羅一中(Yi-Jong Lo)

資訊檢索 ； 不相關回饋 ； 個人化搜尋 ； information retrieval ； non-relevance feedback ； personalized search

臺北科技大學學報

44卷1期（2011 / 06 / 01）

35 - 47

繁體中文

一般網頁搜尋技術通常只考慮文件與查詢詞的相關性，做為搜尋結果排名的依據；個人化搜尋則進一步針對不同使用者喜好產生不同搜尋結果，也成為重要的研究議題。目前個人化搜尋的方法主要有：使用者自定條件，依據個人點選搜尋結果的紀錄來收集使用者喜好，依據個人查詢詞或瀏覽網頁內容紀錄以文件分類方法來區分使用者有興趣主題，以及依據協同式過濾找出相同查詢的其他使用者有興趣的內容。本論文提出一種利用不相關回饋的動態調整個人化搜尋機制：首先系統故意加入與查詢詞不相關的搜尋結果，並排除使用者點選的這類結果，目的在過濾掉不正確的使用者行為；其次系統混合了使用者個人點選紀錄，相似使用者查詢，以及一般搜尋結果，依照使用者實際點選的搜尋結果動態調整個人化結果的比例，用以提高搜尋結果的正確率。實驗結果顯示，依據使用者點選紀錄來動態調整個人化搜尋結果比例，確實能有效提高使用者點選相關結果的排名。此外，問卷調查結果也證實了使用者對我們的個人化搜尋系統滿意程度比起一般搜尋引擎有顯著的提升。

Given user queries, general Web search only cares about the relevant documents for most of the users; while personalized search targets at generating customized results according to different users' preferences. Existing methods to implement personalized search include: predefining user-defined search criteria, classifying user preferences by analyzing their previous behaviors, and using collaborative filtering or recommender systems to find items from similar users to give recommendations.This paper proposes to use non-relevance feedback in dynamic adaptation for personalized search. First, we add non-relevant items in search results to avoid inconsistent feedback. The goal is filtering out incorrect user behaviors. Second, we propose a dynamic proportional personalized search system that mix personal search and click history, similar user history, and general search result according to their adaptive proportions. From the experimental results, users can find what they want with a higher accuracy by using our search system. The results also show a higher user satisfaction score with our system.