[发明专利]一种基于点击特征重构的检索结果排序方法

权利要求书

1.一种基于点击特征重构的检索结果排序方法，其特征在于，包括以下步骤：

步骤(1)获取学术搜索数据集

获取学术搜索数据集，数据集需要有用户点击文档的特征，即用户点击次数，并且有文档在查询下的得分标签；

步骤(2)数据清洗部分

选取了一个查询下至少有20篇文档出现在别的查询下的数据；

步骤(3)构建点击矩阵

构建点击矩阵G，其中每一行代表的是一个唯一的查询，每一列代表的是一个唯一的文档，G矩阵是一个稀疏矩阵，它的元素(m,n)的值代表的是第m个查询下n个文档被用户点击的次数；

步骤(4)点击特征重构

使用螺旋非负矩阵分解算法B-NMF对点击矩阵进行重构；

步骤(4.1)矩阵分块

算法首先将原矩阵G分块成2个子矩阵X和Y，之后分别对两个分块矩阵进行分解，得到X的分解矩阵W和H_h，以及Y的分解矩阵W_m和H，最后利用X的分解项W和Y的分解项H对原矩阵G进行重构，得到重构矩阵Z；B-NMF分块了四次，最后将四次结果融合起来；

分块的变换公式为(1)：

X＝GS,Y＝RG (1)

其中R和S是一个对角矩阵和一个零矩阵拼接的矩阵，目的是对原始矩阵G进行分块，具体形式如下：

步骤(4.2)矩阵分解

通过公式(2)，将原始G矩阵变换为特征增强过的矩阵E：

E(m,n)＝f[G(m,n)] (2)

这里f函数为平方函数表现出了最优的性能；在分块过程中，E矩阵同样要经过上面的四次分块过程变换，变换后得到矩阵P和矩阵Q；

为了保持分解过程中块间数据的一致性，加入了W_m＝RW,H_h＝HS两项的正则项，使得在优化过程中X和Y保持数据的一致性；

同质性系数项：对两个查询或者两个文档来说，他们在一个空间中向量的距离越近，表示他们之间越相似，而相似的两个查询下，文档越相似，那么它们被点击的次数也应该越相似；同质性系数项定义为公式(3)：

其中n表示查询的个数，U向量代表的是查询矩阵，也就是分解出的矩阵W，i和j表示的是U矩阵中的某两行，ε(i,j)表示两个查询之间的相似性，它的值越大，表示两个查询越相似，反之，值越小，表示两个查询越不相似，它通过求两个查询的余弦相似度得到；通过推导得到Tr(U^TLU)，其中L＝D–Z是拉普拉斯矩阵，D是同一个对角矩阵，对角线上的元素Z是n个样本之间的同质性系数组成的矩阵，定义为：

因此，建模的最终优化目标为公式(4)：

其中α，β，γ表示对正则项约束程度调节参数，λ₁和λ₂分别是对查询和文档两个同质性系数项的约束，L₁和L₂分别是查询和文档两个同质性系数项的拉普拉斯矩阵；

步骤(4.3)矩阵重构

G矩阵分解完成后会得到四个重构的矩阵Z_i，然后采用将四次结果平均得到最终的重构矩阵Z；

步骤(5)Learning to rank排序

通过将重构完成得到的点击矩阵与原数据进行对接，把重构完成的点击特征代替原来的点击特征，进行模型的训练和调优。