搜索引擎结果页面(SERP)用户注意力建模与预测分析
 
  识别和预测用户的查询意图有利于提高搜索引擎的效率,可以应用于搜索排序优化、搜索呈现。一方面,基于点击日志的用户行为挖掘来判断和预测用户的搜索意图和查询目的;另外用户在SERP的行为不仅仅局限于点击行为,特别是随着现代SERP的呈现多样化,除了包含标题、片段、URL的原始搜索结果集,出现了知识图表结果集(KG),即时答案呈现结果集(IA)等类型。
 
搜索引擎结果页面(SERP)用户注意力建模与预测分析
  用户关注的建模和预测对解释搜索行为至关重要,可以更好地解读用户的搜索行为,促进搜索质量的改善。HTML语言描述SERF网页包含的各类元素,这些元素通过文档对象模型(documentobjectmodel,DOM)转换成正式的表示,每个DOM元素可作为用户的关注区域(areaofinterest,AOI),并使用特征集描述这些关注区域(AOI)。因此,Buscher等基于HTML和渲染相关的59个混合特征描述特定元素并构建模型,通过集中影响(fixationimpact),查看频率(viewingfrequency)和第一次集中时间(timetofirstfixation)三种不同的眼动数据,以此来预测识别用户关注的页面突出元素。
 
  另外,除了利用页面元素属性特征,研究者通过SERP上丰富的用户交互行为数据,如鼠标移动、停留、滑动等,建立基于用户与搜索结果交互的细粒度的搜索行为模型,以此来推测用户查询意图。对于查询意图类型,Guo等基于查询、SERP内容、结果质量、交互、点击和情境5个特征组共127个特征提出用户行为模型,该模型主要用来识别“研究”和“购买”这两类,他们将模型应用到真实用户数据,发现预测具有“购买”意图的搜索确实比预测具有“研究”意图有更高的广告点击率。Diaz等基于网格布局上的鼠标移动行为,提出二维注意力转换模型,为设计新页面提供帮助,帮助用户做一些好的放弃。另外SERP上的交互信号应该基于页面底层内容,Lagun等又引人了一种交互信号与页面内容特征相连接的原则模型,称为“交互与内容显着”混合模型。有效地将用户交互数据与页面内容元素的视觉突出性和显著性结合起来,来预测在SERP上用户关注的位置。
 
  目前,关于SERP中用户注意力建模预测用户的SERP的兴趣点已有一些研究,对用户行为建模和预测成为也是现下研究的趋势。发挥SERP页面要素种类、页面要素布局以及用户视觉、光标、手势等多类型行为数据的作用,为搜索引擎优化和预测用户查询意图提供多样化数据支撑,更准确地建立用户搜索行为模型。