[发明专利]基于用户浏览行为的网页描述文档构建方法及装置

说明书

技术领域

本发明涉及互联网信息检索技术领域，特别涉及一种基于用户互联网 浏览行为的网页描述文档构建方法及装置。

背景技术

随着网络的不断普及，搜索引擎已经成为用户从互联网中获取知识的 主要手段。目前，用户与搜索引擎进行交互的方式主要是：用户将所要寻 找的信息转换成查询词，再将这些查询词提交搜索引擎，最后由搜索引擎 完成信息的检索并提交给用户。

然而，用户输入的查询词往往长度有限，据统计，目前搜索引擎所接 受查询词的平均长度只有2-3个字。搜索引擎有时很难从2-3个字长度的查 询清楚的推测出用户实际的信息需求。因此，为了提升搜索引擎的性能， 更好的满足用户的信息需求，目前搜索引擎主要通过两种方式弥补用户输 入查询词的信息缺失。

第一种方式是查询扩展，即通过各种已经具备的知识或者数据挖掘出 的知识对用户输入的查询词进行扩展，使得扩展后的查询能够更加清晰的 描述用户的信息需求，从而提升搜索引擎的检索性能。

另一种方式是构建网页描述文档，即通过各种已经具备的知识或者数 据挖掘出的知识构建网页的描述文档，其中网页描述文档一般需要具备能 够描述网页主要内容或者主题思想的性质。网页描述文档可以有效增加目 标网页与用户查询匹配的概率。

目前，构建网页描述文档的技术主要是：通过网页链接文本构建目标 网页的网页描述文档，但是这种构建网页描述文档方法存在着以下的缺点：

1)需要首先提取并分析互联网中所有网页的链接文本，该过程会耗费 巨大的计算资源与计算开销。

2)网页链接文本只是网页设计者对于目标网页的描述，仅仅体现了网 页设计者对于网页主题的认识，这种对于网页的描述在很多情况下与实际 用户对于网页的描述不一致。

3)网页设计者对于目标网页的描述不受任何监管，所以利用网页链接 文本生成描述文档的方式无法克服网页设计者的可能的作弊行为。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一，特别是解决目前通过 网页链接文本构建目标网页的网页描述文档所引起的缺陷。

为实现以上目的，本发明一方面提出了一种基于用户互联网浏览行为 的网页描述文档构建方法，包括以下步骤：提取用户浏览日志中记录的用 户浏览事件，所述用户浏览事件至少包括所述用户的用户ID、用户当前浏 览页面、用户点击指向的目标页面和用户导航时所点击的链接文本；根据 所述用户浏览事件建立用户浏览链接模型；根据所述用户浏览链接模型生 成网页描述文档。

在本发明的一个实施例中，通过以下公式根据用户浏览事件建立用户 浏览链接模型：

Pul(R|[a,d])=|ClkIncomPage(a,d)|Σd∈D|ClkIncomPage(a,d)|,]]>

其中，P_ul(R|[a，d])代表网页描述文档中不同链接文本a的权重， ClkIncomPage(a，d)代表所有以a为链接文本以d为目标网页并且被用户点 击过的超链接集合，D代表所有网页的集合。

在本发明的一个实施例中，所述用户浏览链接模型确定网页描述文档 中各词语的权重。