基于用户检索行为和搜索任务情境的个性化信息检索系统研究

This project addresses a general problem with current information retrieval systems: that they treat all searchers who submit the same query to the system as if they were one and the same person. However, different people may have different information needs and expect different search results. There are many factors that could affect users' information need, such as time; location; the goal or task that led them to search; the searcher's knowledge of the task and the topic;or the stage in task completion that the searcher is in and so on. Our research has demonstrated that search context, especially search task type, could influence users' information need and how people search. In addition, we found users' search interactions could help infer the current search types and help predict the useful documents for users under current search context. However, how to implement users' interactions into the design of information retrieval systems, how to infer users' search context, and then provide personalized search results according to the search context is still an unsolved problem. The current project is proposed to conduct user experiment, develop predictive models of search task context (such as search task type) based on users' interactions, and predictive models of useful documents so that to provide personalized search results. In addition, the predictive models will be implemented into the desgin of an interactive information retrieval system, and we will conduct user expeirments to evaluate the performance of such personalized system. This research will combine the research in information seeking behaviors and research in information retrieval, and provide new methods and perspective for personalization of inforamtion retrieval systems.

目前信息检索系统对使用相同检索式的所有用户提供统一的检索结果，但是不同用户在使用相同检索式的时候可能会有不同的信息需求，希望得到的检索结果也不同。决定用户信息需求的因素很多，比如时间、地点、搜索任务的类型、用户对搜索任务的知识储备以及当前搜索任务的完成阶段等。我们研究表明在搜索任务类型对用户信息需求差异、检索行为的影响很大，并且有一些用户检索行为可以帮助推测当前搜索任务类型，而且进而预测用户感兴趣的文档。但是如何将用户检索行为应用在信息检索系统中，通过对用户检索行为推测当前搜索任务情境，并根据当前情境提供搜索结果的优化还是有待解决的课题，也是本项目的研究目标。我们拟通过用户实验，构建基于用户检索行为的搜索任务情境（如搜索任务类型）的推测模型，并预测当前情境下用户感兴趣的搜索结果，提供个性化检索结果。此研究将用户检索行为研究和信息检索系统研究结合，将为个性化检索系统的构建提供新思路。

本项目以个性化搜索系统的优化为主题，从搜索情境对搜索行为、搜索体验和知识增长等若干因变量的影响分析，比较和区分不同情境因素下因变量的差异，尝试通过对用户交互变量的提取和建模，构建用户搜索的情境因素的预测模型，并对这些模型进行验证和评估。具体而言，我们首先对这个主题下的相关研究论文进行了较为全面的论述，主要从个性化信息检索的技术、模式和相关反馈机制的应用，用户检索式行为的综述，和用户认知特征与搜索行为关系的综述三个方面，为本项目的实证研究奠定了理论和实践基础；其次，我们进行了六个用户实验的设计、实施和数据分析；其中我们发现时间情境是用户搜索过程中非常重要的情境因素，而且目前研究还很不充分，因此我们针对时间情境展开了三个维度的研究，分别是时间视为稀缺资源、时间作为单次搜索的过程变量、时间作为多次连续搜索的过程变量。在分析中我们发现时间限制情况下用户的搜索策略、搜索体验都有较大差异，并为此提出了优化模式。最后，我们构建了三个主要的基于用户交互行为的情境预测模型，对用户搜索难度的预测、用户搜索前对搜索任务熟悉程度的预测和用户搜索过程中有无时间限制的预测，这些预测模型都展示用户的交互行为可以作为用户搜索情境的预测变量，但是在不同时间点可能需要选取不同的交互变量，并且搜索初期对于情境的预测效果是最佳的，这是非常让人兴奋的结果，也具有很强的现实应用意义，建议推广。除了台式机搜索之外，我们还初步的展开了移动端用户信息浏览和搜索交互行为分析，识别出触屏交互行为的部分模式，并且对移动端相关反馈机制的运用提供了依据，也为未来相关领域的研究提供思路。