对非常大的网页搜索引擎查询日志的分析

在本文中，我们对一个包含大约10亿条搜索请求的AltaVista搜索引擎查询日志进行了分析，数据收集时间为六周。这代表了近2.85亿个用户会话，每个会话都是试图满足单一的信息需求。我们分析了单个查询、查询重复及查询会话。我们还呈现了日志条目的相关性分析结果，研究了查询中术语之间的相互作用。我们的数据支持这样一个推测：网页用户与标准信息检索文献中假设的用户显著不同。具体来说，我们展示了网页用户输入短查询，主要只查看前10个结果，并且很少修改查询。这表明传统的信息检索技术可能不适合回答网页搜索请求。相关性分析显示，高度相关的项是短语的组成部分。这一结果表明，即使用户没有明确指定，搜索引擎将搜索词视为短语的一部分可能是有用的。