孫麗霞 山東外事翻譯職業(yè)學(xué)院

基于查詢(xún)?nèi)罩镜南M(fèi)意圖挖掘分析

孫麗霞 山東外事翻譯職業(yè)學(xué)院

隨著互聯(lián)網(wǎng)的普及，在線(xiàn)廣告成為人們生活中不可缺少的一部分。而用戶(hù)在搜索行為中包含了大量的內(nèi)容豐富的信息，這些信息中有相當(dāng)數(shù)量都表現(xiàn)了用戶(hù)的消費(fèi)意圖。本文在進(jìn)行了充分的預(yù)處理后，在數(shù)據(jù)上進(jìn)行特征的分析和抽取, 利用SVM分類(lèi)器結(jié)合抽取出的特征進(jìn)行測(cè)試，提出對(duì)用戶(hù)搜索的消費(fèi)意圖具有較高的區(qū)分能力的方法。

消費(fèi)意圖識(shí)別;二元分類(lèi)模型;SVM

引言

在網(wǎng)絡(luò)上投放廣告已經(jīng)成為了一種十分普遍,十分重要,收益簡(jiǎn)單高效的廣告投放方式。在我們點(diǎn)擊網(wǎng)頁(yè)的時(shí)候,不經(jīng)意間就能看到各種各樣的廣告。隨著在線(xiàn)廣告的不斷普及,越來(lái)越多的銷(xiāo)售商希望通過(guò)在線(xiàn)廣告來(lái)提升自己產(chǎn)品的知名度,提高自己產(chǎn)品的銷(xiāo)量。這樣一來(lái),搜索引擎便成為了銷(xiāo)售商進(jìn)行產(chǎn)品推銷(xiāo)的一個(gè)重要媒介。一些搜索引擎,如百度,搜狗等,都會(huì)記錄用戶(hù)的訪(fǎng)問(wèn)信息,例如,百度的查詢(xún)?nèi)罩揪陀捎脩?hù)搜索語(yǔ)句、用戶(hù)點(diǎn)擊標(biāo)題、用戶(hù)點(diǎn)擊URL三部分組成。其中,有些信息顯示了用戶(hù)意圖是期望購(gòu)買(mǎi)某類(lèi)產(chǎn)品的內(nèi)容。消費(fèi)對(duì)象能更好地反映出用戶(hù)的消費(fèi)興趣,真實(shí)的消費(fèi)需求和消費(fèi)類(lèi)別。

1.構(gòu)建消費(fèi)意圖二元分類(lèi)系統(tǒng)

第一步需要準(zhǔn)確確定有意圖或者無(wú)意圖一個(gè)標(biāo)準(zhǔn)，這樣才能判斷最終得到的系統(tǒng)給出的結(jié)果是不是正確的。首先，需要得到用戶(hù)的真實(shí)查詢(xún)語(yǔ)句，在大量的，真實(shí)的語(yǔ)料上進(jìn)行分析。準(zhǔn)確的判斷出用戶(hù)的一條查詢(xún)究竟是有意圖的還是無(wú)意圖的。

在確定了標(biāo)準(zhǔn)之后，需要根據(jù)這些數(shù)據(jù)抽取特征。所謂特征，也就是一個(gè)規(guī)則，這個(gè)規(guī)則可以較為有效的分辨出用戶(hù)的查詢(xún)是有意圖或者無(wú)意圖。在多個(gè)特征的基礎(chǔ)上，下一步就是確定如何利用這多個(gè)特征進(jìn)行分類(lèi)，因而就需要找到一個(gè)合適的分類(lèi)模型，然后利用抽取出的多維特征，在數(shù)據(jù)上將每一條語(yǔ)句表示成一個(gè)由多個(gè)特征組成的向量，然后把這個(gè)向量交給分類(lèi)器去處理。分類(lèi)器則會(huì)計(jì)算每一個(gè)特征對(duì)這條語(yǔ)句是否是有意圖查詢(xún)的影響程度。進(jìn)而計(jì)算出每一個(gè)特征影響的權(quán)重，當(dāng)一個(gè)新的查詢(xún)到來(lái)的時(shí)候，可以利用分類(lèi)器訓(xùn)練出來(lái)的模型進(jìn)行測(cè)試，進(jìn)而得出結(jié)果，判斷出該條查詢(xún)是否具有消費(fèi)意圖。

LibSvm是臺(tái)灣大學(xué)林智仁(Lin Chih-Jen)教授等開(kāi)發(fā)設(shè)計(jì)的一個(gè)簡(jiǎn)單、易于使用和快速有效的SVM模式識(shí)別與回歸的軟件包，他不但提供了編譯好的可在Windows系列系統(tǒng)的執(zhí)行文件，還提供了源代碼，方便改進(jìn)、修改以及在其它操作系統(tǒng)上應(yīng)用；該軟件對(duì)SVM所涉及的參數(shù)調(diào)節(jié)相對(duì)比較少，提供了很多的默認(rèn)參數(shù)，利用這些默認(rèn)參數(shù)可以解決很多問(wèn)題；并提供了交互檢驗(yàn)(Cross Validation)的功能。該軟件可以解決C-SVM、ν-SVM、ε-SVR和ν-SVR等問(wèn)題，包括基于一對(duì)一算法的多類(lèi)模式識(shí)別問(wèn)題。

SVM是最常用的二元分類(lèi)器之一。支持向量機(jī)SVM作為一種可訓(xùn)練的機(jī)器學(xué)習(xí)方法，依靠小樣本學(xué)習(xí)后的模型參數(shù)進(jìn)行導(dǎo)航星提取，可以得到分布均勻且恒星數(shù)量大為減少的導(dǎo)航星表。

SVM分類(lèi)器即可以解決線(xiàn)性分類(lèi)問(wèn)題，也可以解決非線(xiàn)性分類(lèi)問(wèn)題。在解決非線(xiàn)性分類(lèi)問(wèn)題上，SVM采用了核函數(shù)的方法，可以將低維空間的非線(xiàn)性問(wèn)題映射為高維空間的線(xiàn)性問(wèn)題，并且?guī)缀醪辉黾佑?jì)算復(fù)雜度，在一定程度上避免了其他機(jī)器學(xué)習(xí)算法的“維度災(zāi)難”的問(wèn)題。SVM分類(lèi)器中常用的幾種核函數(shù)包括：（1）線(xiàn)性核函數(shù)，如公式(1-1)所示；（2）多項(xiàng)式核函數(shù)，如公式(1-2)所示；（3）徑向基函數(shù)，如公式(1-3)所示；（4）二層神經(jīng)網(wǎng)絡(luò)核函數(shù)，如公式(1-4)所示。

如果想對(duì)消費(fèi)意圖進(jìn)行準(zhǔn)確的分類(lèi)，首先就要有一個(gè)高質(zhì)量的初始語(yǔ)料庫(kù)。本數(shù)據(jù)來(lái)源于百度2012年3月份的部分用戶(hù)查詢(xún)數(shù)據(jù)。數(shù)據(jù)由用戶(hù)查詢(xún)語(yǔ)句、用戶(hù)點(diǎn)擊標(biāo)題、用戶(hù)點(diǎn)擊URL三部分組成。

用戶(hù)查詢(xún)語(yǔ)句：用戶(hù)在搜索框中輸入的內(nèi)容

用戶(hù)點(diǎn)擊標(biāo)題：用戶(hù)點(diǎn)擊的網(wǎng)頁(yè)對(duì)應(yīng)的title

用戶(hù)點(diǎn)擊URL：用戶(hù)點(diǎn)擊的網(wǎng)頁(yè)對(duì)應(yīng)的URL

由于人們對(duì)消費(fèi)意圖這一概念比較模糊，而且對(duì)于不同的人，會(huì)有不同的理解，所以在這里嚴(yán)格定義消費(fèi)意圖的概念如下：

（1）用戶(hù)搜索語(yǔ)句或點(diǎn)擊標(biāo)題中有明確的購(gòu)買(mǎi)意向，如 “求推薦一部性?xún)r(jià)比高的手機(jī)”這條語(yǔ)料都很明確的具有消費(fèi)意圖，指出了消費(fèi)對(duì)象，并出現(xiàn)了購(gòu)買(mǎi)觸發(fā)詞，如“推薦”“求”等。

（2）明確的指出了購(gòu)買(mǎi)意向，但沒(méi)有觸發(fā)詞“水貨智能機(jī)，1000元以?xún)?nèi)”這類(lèi)數(shù)據(jù)雖然沒(méi)有出現(xiàn)購(gòu)買(mǎi)意愿詞，但是仍然可以認(rèn)為這些語(yǔ)料具有顯式消費(fèi)意圖。

(3)用戶(hù)點(diǎn)擊網(wǎng)站的標(biāo)題具有消費(fèi)意圖傾向“三星Galaxy S6 報(bào)價(jià)_中關(guān)村在線(xiàn)”

這類(lèi)數(shù)據(jù)可能用戶(hù)只搜索了“三星Galaxy s6”，單單從這個(gè)搜索中，我們并不能確定該查詢(xún)具有消費(fèi)意圖，但是從用戶(hù)的點(diǎn)擊上可知其應(yīng)當(dāng)具有消費(fèi)傾向。

（4）用戶(hù)點(diǎn)擊的URL中包含電商網(wǎng)站

如用戶(hù)搜索“手機(jī)”后，點(diǎn)擊淘寶網(wǎng)，僅僅通過(guò)搜索詞并不能看出用戶(hù)具有消費(fèi)意圖，但是通過(guò)用戶(hù)點(diǎn)擊的URL：http://www. taobao.com/，可以判定用戶(hù)的點(diǎn)擊行為具有消費(fèi)意圖。

2.結(jié)語(yǔ)

一個(gè)消費(fèi)意圖二元分類(lèi)系統(tǒng)，主要針對(duì)用戶(hù)的搜索數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)而在數(shù)據(jù)上進(jìn)行特征的分析和抽取，最終利用特征選擇模塊，獲得了最優(yōu)特征。

[1]張鴻, 莊越挺, 吳飛. 一種基于內(nèi)容相關(guān)性的跨媒體檢索方法. 計(jì)算機(jī)學(xué)報(bào). 2010, 31(5): 820-826.

[2]H. K. Dai, L. Zhao, Z. Nie, J.-R. Wen, L. Wang, and Y. Li. Detecting online commercial intention (oci). In Proc. of WWW '06, pages 829-837, 2006.

[3]趙妍妍, 秦兵, 劉挺. 文本情感分析. 軟件學(xué)報(bào). 2010, 21(8):1834-1848.

[4]劉非凡, 趙軍, 呂碧波, 徐波, 于浩, 夏迎炬. 面向商務(wù)信息抽取的產(chǎn)品命名實(shí)體識(shí)別研究. 中文信息學(xué)報(bào). 2006, 20(1): 7-13.

孫麗霞，女，1982年出生,民族∶漢,籍貫∶山東省乳山市人,學(xué)歷∶本科,職稱(chēng)∶講師,主要研究方向∶計(jì)算機(jī)軟件工程。