搜索引擎結果頁面(SERP)用戶注意力建模與預測分析
 
  識別和預測用戶的查詢意圖有利于提高搜索引擎的效率,可以應用于搜索排序優化、搜索呈現。一方面,基于點擊日志的用戶行為挖掘來判斷和預測用戶的搜索意圖和查詢目的;另外用戶在SERP的行為不僅僅局限于點擊行為,特別是隨著現代SERP的呈現多樣化,除了包含標題、片段、URL的原始搜索結果集,出現了知識圖表結果集(KG),即時答案呈現結果集(IA)等類型。
 
搜索引擎結果頁面(SERP)用戶注意力建模與預測分析
  用戶關注的建模和預測對解釋搜索行為至關重要,可以更好地解讀用戶的搜索行為,促進搜索質量的改善。HTML語言描述SERF網頁包含的各類元素,這些元素通過文檔對象模型(documentobjectmodel,DOM)轉換成正式的表示,每個DOM元素可作為用戶的關注區域(areaofinterest,AOI),并使用特征集描述這些關注區域(AOI)。因此,Buscher等基于HTML和渲染相關的59個混合特征描述特定元素并構建模型,通過集中影響(fixationimpact),查看頻率(viewingfrequency)和第一次集中時間(timetofirstfixation)三種不同的眼動數據,以此來預測識別用戶關注的頁面突出元素。
 
  另外,除了利用頁面元素屬性特征,研究者通過SERP上豐富的用戶交互行為數據,如鼠標移動、停留、滑動等,建立基于用戶與搜索結果交互的細粒度的搜索行為模型,以此來推測用戶查詢意圖。對于查詢意圖類型,Guo等基于查詢、SERP內容、結果質量、交互、點擊和情境5個特征組共127個特征提出用戶行為模型,該模型主要用來識別“研究”和“購買”這兩類,他們將模型應用到真實用戶數據,發現預測具有“購買”意圖的搜索確實比預測具有“研究”意圖有更高的廣告點擊率。Diaz等基于網格布局上的鼠標移動行為,提出二維注意力轉換模型,為設計新頁面提供幫助,幫助用戶做一些好的放棄。另外SERP上的交互信號應該基于頁面底層內容,Lagun等又引人了一種交互信號與頁面內容特征相連接的原則模型,稱為“交互與內容顯著”混合模型。有效地將用戶交互數據與頁面內容元素的視覺突出性和顯著性結合起來,來預測在SERP上用戶關注的位置。
 
  目前,關于SERP中用戶注意力建模預測用戶的SERP的興趣點已有一些研究,對用戶行為建模和預測成為也是現下研究的趨勢。發揮SERP頁面要素種類、頁面要素布局以及用戶視覺、光標、手勢等多類型行為數據的作用,為搜索引擎優化和預測用戶查詢意圖提供多樣化數據支撐,更準確地建立用戶搜索行為模型。