[发明专利]基于眼球跟踪的网页图像个性化搜索方法

说明书

技术领域

本发明涉及计算机搜索领域，尤其涉及一种基于眼球跟踪的网页图像个性 化搜索方法。

背景技术

现有的个性化引擎依靠的是用户的反馈，它可以分为显式反馈和隐式反 馈。我们从这两种反馈中都可以得到用户的喜好特征(Salton & Buckley 1990； White，Jose，& Ruthven 2001；White，Ruthven，& Jose 2002)。但是用户一般都不 愿意去提供显式的反馈，所以现在的研究越来越多的研究都转向隐式反馈 (Granka，Joachims，& Gay 2004；Guan & Cutrell 2007；Fu2007)。研究表明，隐 式反馈可以很好的反映用户的搜索意图(Fox et al.2005；Dou，Song，& Wen 2007； Fu 2007).并且从大量的隐式反馈中得到的用户喜好往往比显式反馈更加可靠。

查询历史：现代研究中，用得最多的隐式反馈就是用户的查询历史。 Google的个性化搜索(http://www.google.com/psearch)就是基于用户的查询历史 的。总的来说，基于查询历史的算法又可以分为以下两类：一类是基于整个查 询历史的算法，另一类是基于某个查询会话(指的是一连串相关的查询)。对 于前者来说，通常算法会产生一个该用户的概要文本用来描述用户的搜索喜 好。

点击数据：点击数据是另一种非常重要的隐式反馈，如(Dupret，Mrudock，& Piwowarski 2007；Joachims2002)。在一个搜索结果页面上，我们假设用户点击 过的链接比用户没有点过的链接对于此用户来说更加重要。研究者们用了很多 中方法从用户的点击行为中获取用户的喜好特征。举例来说，有些研究者用一 种叫Ranking SVM的算法(Hersh et al.1994)通过用户的点击信息来获得对该 用户来说最好的网页排序。在(Radlinski & Joachims 2005)一文中，作者不但从 用户的单次查询中提取用户喜好，同时也从用户对同一信息的一连串查询中提 取用户的喜好，这些喜好特征然后通过Ranking SVM的改进算法来进行训练。 Sun et al.(2005)提出了一种基于Singluar Value Decomposition的算法，它通过分 析用户的点击数据来提高搜索引擎的建议系统的准确率。

关注时间：相对来说，关注时间是一个新型的隐式用户反馈。虽然它在近期的 研究中越来越多被提到，但是关于它是否真的能够反映用户意图仍然有争辩。 Kelly和Belkin(2004；2001)建议说，在文本的关注时间和它对用户的有用 度之间并没有非常可靠的相互关系。但是不同的是，在他们的研究当中，关注 时间是通过测量一组用户阅读不同主题的文章而得到的平均关注时间。Halabi et al.(2007)认为对于一个的用户在同一个搜索行为中关注时间，它可以很好 的反映出用户的喜好。我们认为以上两个研究并不矛盾，因为他们所计算的关 注时间并不相同。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于眼球跟踪的网页图像 个性化搜索方法。

基于眼球跟踪的网页图像个性化搜索方法包括以下步骤：

1)利用眼球跟踪装置，获取用户对网页图像关注时间的样本信息；

2)对获取到的用户关注时间样本进行校正；

3)对未知网页图像，运用决策树的方法动态选择合适的图像相似度算法；

4)基于图像相似度来预测未知网页图像的用户关注时间；

5)利用用户关注时间结合传统搜索技术生成个性化的网页图像搜索结果。

所述的利用眼球跟踪装置，获取用户对网页图像关注时间的样本信息步 骤：

(a)在网页图像搜索结果页面上，搜索引擎通常会在搜索结果页面上为每 个网页图像提供缩略图；利用眼球跟踪装置，追踪用户眼球的移动位置，从而 来记录用户在某个网页图像缩略图上花的时间；