【SIGIR2021】整合搜索行为和好友网络的基于群组的个性化搜索

个性化搜索的关键是基于历史行为构建用户画像。针对缺乏历史数据的用户，基于组的个性化模型被提出，这些方法在对结果重排时，将相似用户的画像考虑在内。然而，现有的寻找相似的用户的方法大多简单地基于搜索行为中词汇或主题的相似性。本文提出了一种基于神经网络的增强方法，在语义空间中突出相似用户的作用。此外，我们认为，当用户只包含有限的历史行为时，基于行为的相似用户仍然不足以帮助用户理解新的查询。为了解决这个问题，我们将朋友网络引入个性化搜索中，以另一种方式确定用户之间的亲密度关系。由于朋友关系往往是基于相似的背景或兴趣而形成的，所以在朋友网络中自然隐藏着大量个性化的信息。在搜索行为和朋友关系的融合下，相似用户在基于组的个性化搜索中更为可靠地得到了强化。具体来说，我们分别针对用户的搜索行为和朋友关系将其划分到多个朋友圈。这两种朋友圈是互补的，从而构建一个更全面的群体画像来实现搜索结果个性化。实验结果表明，与现有个性化模型相比，本文提出的模型有了显著的提升。

http://playbigdata.ruc.edu.cn/dou/publication/2021_SIGIR_FriendGraph.pdf