如何让计算机理解用户的搜索意图是一个非常复杂的问题,因为,针对相同查询,不同人的搜索意图可能差异巨大;对同一搜索意图,不同人使用的查询可能完全不同。为了实现对特定查询搜索意图的理解,可以通过使用分析查询记录,建立兴趣模型的方法,但这也不能帮助理解新的查询词,因为用户的意图并不是固定的主题,需求意图在不断演变。即使用户输入的是同一查询词,也并不代表作用户想知道的是关于相同主题的信息、资源或网络服务。基于分类的搜索意图挖掘是目前搜索意图挖掘研究领域的主流,首先建立意图分类体系,然后将查询文本归类到这些类别之中。目前主流的搜索意图类目体系已经构建得比较完善,但是由于通常情况下用户的查询都很短,带有一定歧义性,分类特征有限,在这种情况下进行文本分类比较困难,目前面对这种情况还没有一种特别有效的分类特征提取方法。本文提出一种基于知识图谱的搜索意图挖掘方法,使用知识图谱包含的词间关联来对用户查询中的关键词进行权重调整,从而提高分类准确率,提高搜索意图挖掘效果。经过实验,与数种经典权重调整方法相比较,证实本文提出的方法能够有效的提升分类准确率,对用户搜索意图挖掘效果提高有较大帮助。相信,经过后续研究,使用该方法对交互式信息检索和实时人机对话也将会有不错的效果。
