论文部分内容阅读
基于大规模分布式搜索引擎系统——北大“天网”的用户点击记录，本文研究发现：用户点击不同URL的数量遵从Heaps定律，点击URL的频度频级服从类Zipf分布，点击URL与页面大小相关，点击URL具有时间局部性，其顺序具有自相似性特征等一些具有普适性的规律。提出了利用点击日志确定相近查询词的一个新的有效算法。这些研究结果对于掌握用户的搜索行为，完善搜索引擎系统的设计，提高检索服务的效率和质量具有重要的意义。