Adaptación del modelo de clasificación personalizada para la búsqueda en la web

Los motores de búsqueda entrenan y aplican un único modelo de clasificación para todos los usuarios, pero las necesidades de información de los buscadores son diversas y cubren una amplia gama de temas. Por lo tanto, un único modelo de clasificación independiente del usuario no es suficiente para satisfacer las preferencias de resultados de diferentes usuarios. Los métodos de personalización convencionales aprenden modelos separados de los intereses del usuario y los utilizan para reordenar los resultados del modelo genérico. Estos métodos requieren información considerable del historial del usuario para aprender las preferencias, tienen una baja cobertura en el caso de métodos basados en la memoria que aprenden asociaciones directas entre pares de consulta-URL, y tienen una oportunidad limitada para afectar marcadamente la clasificación dado que solo reordenan los elementos con mayor clasificación.