一種基于查詢?nèi)罩镜挠脩粢鈭D分析方法.pdf

1、隨著全球因特網(wǎng)普及程度的加深，因特網(wǎng)上的數(shù)據(jù)也呈爆炸式的增長(zhǎng)。當(dāng)前，互聯(lián)網(wǎng)用戶和以前相比更加依賴于搜索引擎。大量使用者訪問(wèn)搜索引擎，會(huì)產(chǎn)生巨量的檢索日志數(shù)據(jù)。這些數(shù)據(jù)中隱藏了很多的用戶瀏覽模式。因此，利用數(shù)據(jù)分析技術(shù)，從用戶的檢索數(shù)據(jù)中發(fā)現(xiàn)用戶意圖，能夠帶來(lái)巨大商業(yè)價(jià)值。
　　針對(duì)用戶查詢意圖歸類任務(wù)，存在很多分類算法，其中常見(jiàn)的是決策樹(shù)分類算法。典型的決策樹(shù)分類模型是ID3模型，其有很多優(yōu)點(diǎn)，例如:算法運(yùn)行時(shí)間較短，對(duì)數(shù)據(jù)的利用

2、率高，沒(méi)有無(wú)解風(fēng)險(xiǎn)。但缺點(diǎn)也很明顯，首先ID3算法沒(méi)有剪枝過(guò)程，而且算法不能處理連續(xù)屬性，最后ID3算法的解可能是局部最優(yōu)解而不是全局最優(yōu)解。本文詳細(xì)描述了經(jīng)典ID3算法的優(yōu)點(diǎn)和缺點(diǎn)，并針對(duì)其中的兩點(diǎn)不足“過(guò)多的對(duì)數(shù)運(yùn)算會(huì)影響時(shí)間性能”和“多值特征偏向?qū)е路诸愓_性降低”進(jìn)行了改進(jìn)。本文使用了UCI公共數(shù)據(jù)集檢驗(yàn)了算法的正確性和性能。
　　本文介紹了用到的用戶查詢?nèi)罩?，并且提出了一種對(duì)日志預(yù)處理的方法，給出了統(tǒng)計(jì)分析的結(jié)果。最后，