一种利用SERPs进行Web查询二元领域分类的监督学习算法
信息检索
2016-05-04 v2
摘要
通用搜索引擎（SEs）抓取网络的所有领域（如体育、新闻、娱乐），但有时查询的信息需求局限于特定领域（如医学）。我们利用SEs的工作，作为将特定领域查询路由至本地数字图书馆（DLs）的努力的一部分。即使对于某些类型查询SEs并非“最佳”来源，它们也常被使用。相较于告知用户“对此类查询请使用此DL”，我们旨在自动检测查询何时可由本地DL（例如私有的、访问受控的、无法被SEs抓取的DL）更好地服务。这不是一项简单任务，因为Web查询简短、模糊，且缺乏高质量标注训练数据（或创建成本高昂）。为检测应路由至本地专用DLs的查询，我们首先将查询发送至Google，然后检查所得搜索引擎结果页（SERPs）中的特征，接着将查询分类为属于学术或非学术领域。使用来自非学术领域的400,000条AOL查询和来自学术领域的NASA技术报告服务器（NTRS）的400,000条查询，我们的分类器达到了0.809的准确率和0.805的F值。
引用
@article{arxiv.1605.00184,
title = {A Supervised Learning Algorithm for Binary Domain Classification of Web Queries using SERPs},
author = {Alexander Nwala and Michael Nelson},
journal= {arXiv preprint arXiv:1605.00184},
year = {2016}
}
备注
Figure 6. fix