第6期 王超，等搜索引擎点击模型综述 ·717. html)是一家中文搜索引擎公司，其公布了2012年 2008:87-94 部分时段的搜索日志。 [10]JOACHIMS T,GRANKA L,PAN B,et al.Accurately in- 3)Microsoft (http://research.microsoft.com/en- terpreting clickthrough data as implicit feedback [C] us/um/people/nicker/wscdo9/)公布了2006年MSN Proceedings of the 28th Annual International ACM SIGIR 的某一个月的搜索日志。 Conference on Research and Development in Information Retrieval.New York.NY.USA:ACM,2005:154-161. 5结束语 [11]WANG C.LIU Y,ZHANG M,et al.Incorporating vertical results into search click models[C]//Proceedings of the 点击模型作为一种用户交互信息的有效利用方 36th international ACM SIGIR conference on Research and 法，在学术界得到了充分关注，并在工业界得到了广 development in information retrieval.New York,NY, 泛的应用。本文主要介绍了点击模型的发展过程以 USA:ACM.2013:503-512. 及不同点击模型的功能。同时介绍了部分点击模型 [12]YUE Y S,PATEL R,ROEHRIG H.Beyond position bias: 研究中可用的资源。随着大数据时代的不断推进， Examining result attractiveness as a source of presentation 点击模型作为一种有效利用搜索引擎海量用户交互 bias in clickthrough data[C]//Proceedings of the 19th In- 数据的方法，必将在学术界得到更为全面的研究，也 ternational Conference on World Wide Web.New York, NY,USA:ACM,2010:1011-1018. 将在工业界得到更为深入的应用。 [13]GUO F,LIU C,WANG Y M.Efficient multiple-click 参考文献： models in web search [C]//Proceedings of the Second ACM International Conference on Web Search and Data [1]ROBERTSON S,ZARAGOZA H.The probabilistic rele- Mining.New York,NY,USA:ACM,2009:124-131. vance framework:BM25 and beyond[M].Hanover,MA: [14]DUPRET G E,PIWOWARSKI B.A user browsing model Now Publishers Inc,2009. to predict search engine click data from past observations [2]SPARCK JONES K.A statistical interpretation of term spe- [C]//Proceedings of the 31st Annual International ACM cificity and its application in retrieval[J].Journal of docu- SIGIR Conference on Research and Development in Infor- mentation,1972,28(1):11-21. mation Retrieval.New York,NY,USA:ACM,2008:331 [3]ROBERTSON S E,WALKER S,JONES S,et al.Okapi at -338. trec-3[Z].Nist Special Publication Sp,1995,109:109. [15]CHAPELLE O,ZHANG Y.A dynamic bayesian network [4]LV Y,ZHAI C.When documents are very long,bm25 click model for web search ranking[C]//Proceedings of fails![C]//Proceedings of the 34th International ACM SI- the 18th International Conference on World Wide Web. GIRConference on Research and Development in Informa- New York,NY,USA:ACM,2009:1-10. tion Retrieval.New York:ACM,2011:1103-1104. [16]CHEN D Q,CHEN W Z,WANG H X,et al.Beyond ten [5]PAGE L,BRIN S,MOTWANI R,et al.The pagerank cita- blue links:enabling user click modeling in federated web tion ranking:bringing order to the web[Z].Stanford:Stan- search[C]//Proceedings of the 5th ACM International ford University,1999. Conference on Web Search and Data Mining.New York, [6]GYONGYI Z,GARCIA-MOLINA H,PEDERSEN J.Com- NY.USA:ACM.2012:463-472. bating web spam with trustrank [C]//Proceedings of the [17]LIU Z Y,LIU Y Q,ZHOU K,et al.Influence of vertical 30th International Conference on Very Large Data Bases.To- result in web search examination C//Proceedings of the ronto,Canada:VLDB Endowment,2004:576-587. 38th International ACM SIGIR Conference on Research and [7]SUROWIECKI J.The wisdom of crowds[Z].Anchor,2005. Development in Information Retrieval.New York,NY, [8]AGICHTEIN E,BRILL E,DUMAIS S,et al.Learning user USA:ACM,2015:193-202. interaction models for predicting web search result prefer- [18]KLOCKNER K,WIRSCHUM N,JAMESON A.Depth-and ences[C]//Proceedings of the 29th Annual International breadth-first processing of search result lists[C]//CHI ACM SIGIR Conference on Research and Development in 04 Extended Abstracts on Human Factors in Computing. Information Retrieval.New York,NY,USA:ACM,2006: New York,NY,USA:ACM,2004:1539. 3-10. [19]LORIGO L,PAN B,HEMBROOKE H,et al.The influ- [9]CRASWELL N,ZOETER O,TAYLOR M,et al.An exper- ence of task and gender on search and evaluation behavior imental comparison of click position-bias models [C]/ using google[J].Information processing management, Proceedings of the 2008 International Conference on Web 2006,42(4):1123-1131. Search and Data Mining.New York,NY,USA:ACM, [20]XU W H,MANAVOGLU E,CANTU-PAZ E.Temporalｈｔｍｌ）是一家中文搜索引擎公司，其公布了 ２０１２ 年 部分时段的搜索日志。 ３）Ｍｉｃｒｏｓｏｆｔ （ ｈｔｔｐ： ／ ／ ｒｅｓｅａｒｃｈ．ｍｉｃｒｏｓｏｆｔ．ｃｏｍ ／ ｅｎ－ ｕｓ／ ｕｍ ／ ｐｅｏｐｌｅ ／ ｎｉｃｋｃｒ／ ｗｓｃｄ０９ ／ ）公布了 ２００６ 年 ＭＳＮ 的某一个月的搜索日志。 ５ 结束语 点击模型作为一种用户交互信息的有效利用方 法，在学术界得到了充分关注，并在工业界得到了广 泛的应用。 本文主要介绍了点击模型的发展过程以 及不同点击模型的功能。 同时介绍了部分点击模型 研究中可用的资源。 随着大数据时代的不断推进， 点击模型作为一种有效利用搜索引擎海量用户交互 数据的方法，必将在学术界得到更为全面的研究，也 将在工业界得到更为深入的应用。 参考文献： ［１］ ＲＯＢＥＲＴＳＯＮ Ｓ， ＺＡＲＡＧＯＺＡ Ｈ． Ｔｈｅ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｒｅｌｅ⁃ ｖａｎｃｅ ｆｒａｍｅｗｏｒｋ： ＢＭ２５ ａｎｄ ｂｅｙｏｎｄ［Ｍ］． Ｈａｎｏｖｅｒ， ＭＡ： Ｎｏｗ Ｐｕｂｌｉｓｈｅｒｓ Ｉｎｃ， ２００９． ［２］ＳＰＡＲＣＫ ＪＯＮＥＳ Ｋ． Ａ ｓｔａｔｉｓｔｉｃａｌ ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｏｆ ｔｅｒｍ ｓｐｅ⁃ ｃｉｆｉｃｉｔｙ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｒｅｔｒｉｅｖａｌ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｄｏｃｕ⁃ ｍｅｎｔａｔｉｏｎ， １９７２， ２８（１）： １１－２１． ［３］ＲＯＢＥＲＴＳＯＮ Ｓ Ｅ， ＷＡＬＫＥＲ Ｓ， ＪＯＮＥＳ Ｓ， ｅｔ ａｌ． Ｏｋａｐｉ ａｔ ｔｒｅｃ－３［Ｚ］． Ｎｉｓｔ Ｓｐｅｃｉａｌ Ｐｕｂｌｉｃａｔｉｏｎ Ｓｐ， １９９５， １０９： １０９． ［４］ ＬＶ Ｙ， ＺＨＡＩ Ｃ． Ｗｈｅｎ ｄｏｃｕｍｅｎｔｓ ａｒｅ ｖｅｒｙ ｌｏｎｇ， ｂｍ２５ ｆａｉｌｓ！ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩ⁃ ＧＩＲＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｒｍａ⁃ ｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ： ＡＣＭ， ２０１１： １１０３－１１０４． ［５］ＰＡＧＥ Ｌ， ＢＲＩＮ Ｓ， ＭＯＴＷＡＮＩ Ｒ， ｅｔ ａｌ． Ｔｈｅ ｐａｇｅｒａｎｋ ｃｉｔａ⁃ ｔｉｏｎ ｒａｎｋｉｎｇ： ｂｒｉｎｇｉｎｇ ｏｒｄｅｒ ｔｏ ｔｈｅ ｗｅｂ［Ｚ］． Ｓｔａｎｆｏｒｄ： Ｓｔａｎ⁃ ｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ， １９９９． ［６］ＧＹＯＮＧＹＩ Ｚ， ＧＡＲＣＩＡ－ＭＯＬＩＮＡ Ｈ， ＰＥＤＥＲＳＥＮ Ｊ． Ｃｏｍ⁃ ｂａｔｉｎｇ ｗｅｂ ｓｐａｍ ｗｉｔｈ ｔｒｕｓｔｒａｎｋ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３０ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｖｅｒｙ Ｌａｒｇｅ Ｄａｔａ Ｂａｓｅｓ． Ｔｏ⁃ ｒｏｎｔｏ， Ｃａｎａｄａ： ＶＬＤＢ Ｅｎｄｏｗｍｅｎｔ， ２００４： ５７６－５８７． ［７］ＳＵＲＯＷＩＥＣＫＩ Ｊ． Ｔｈｅ ｗｉｓｄｏｍ ｏｆ ｃｒｏｗｄｓ［Ｚ］． Ａｎｃｈｏｒ， ２００５． ［８］ＡＧＩＣＨＴＥＩＮ Ｅ， ＢＲＩＬＬ Ｅ， ＤＵＭＡＩＳ Ｓ， ｅｔ ａｌ． Ｌｅａｒｎｉｎｇ ｕｓｅｒ ｉｎｔｅｒａｃｔｉｏｎ ｍｏｄｅｌｓ ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｗｅｂ ｓｅａｒｃｈ ｒｅｓｕｌｔ ｐｒｅｆｅｒ⁃ ｅｎｃｅｓ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２９ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００６： ３－１０． ［９］ＣＲＡＳＷＥＬＬ Ｎ， ＺＯＥＴＥＲ Ｏ， ＴＡＹＬＯＲ Ｍ， ｅｔ ａｌ． Ａｎ ｅｘｐｅｒ⁃ ｉｍｅｎｔａｌ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｃｌｉｃｋ ｐｏｓｉｔｉｏｎ － ｂｉａｓ ｍｏｄｅｌｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２００８ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｅｂ Ｓｅａｒｃｈ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００８： ８７－９４． ［１０］ＪＯＡＣＨＩＭＳ Ｔ， ＧＲＡＮＫＡ Ｌ， ＰＡＮ Ｂ， ｅｔ ａｌ． Ａｃｃｕｒａｔｅｌｙ ｉｎ⁃ ｔｅｒｐｒｅｔｉｎｇ ｃｌｉｃｋｔｈｒｏｕｇｈ ｄａｔａ ａｓ ｉｍｐｌｉｃｉｔ ｆｅｅｄｂａｃｋ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２８ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００５： １５４－１６１． ［ １１］ＷＡＮＧ Ｃ， ＬＩＵ Ｙ， ＺＨＡＮＧ Ｍ， ｅｔ ａｌ． Ｉｎｃｏｒｐｏｒａｔｉｎｇ ｖｅｒｔｉｃａｌ ｒｅｓｕｌｔｓ ｉｎｔｏ ｓｅａｒｃｈ ｃｌｉｃｋ ｍｏｄｅｌｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３６ｔｈ ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２０１３： ５０３－５１２． ［１２］ＹＵＥ Ｙ Ｓ， ＰＡＴＥＬ Ｒ， ＲＯＥＨＲＩＧ Ｈ． Ｂｅｙｏｎｄ ｐｏｓｉｔｉｏｎ ｂｉａｓ： Ｅｘａｍｉｎｉｎｇ ｒｅｓｕｌｔ ａｔｔｒａｃｔｉｖｅｎｅｓｓ ａｓ ａ ｓｏｕｒｃｅ ｏｆ ｐｒｅｓｅｎｔａｔｉｏｎ ｂｉａｓ ｉｎ ｃｌｉｃｋｔｈｒｏｕｇｈ ｄａｔａ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９ｔｈ Ｉｎ⁃ ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２０１０： １０１１－１０１８． ［１３］ ＧＵＯ Ｆ， ＬＩＵ Ｃ， ＷＡＮＧ Ｙ Ｍ． Ｅｆｆｉｃｉｅｎｔ ｍｕｌｔｉｐｌｅ － ｃｌｉｃｋ ｍｏｄｅｌｓ ｉｎ ｗｅｂ ｓｅａｒｃｈ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｓｅｃｏｎｄ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｅｂ Ｓｅａｒｃｈ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００９： １２４－１３１． ［１４］ＤＵＰＲＥＴ Ｇ Ｅ， ＰＩＷＯＷＡＲＳＫＩ Ｂ． Ａ ｕｓｅｒ ｂｒｏｗｓｉｎｇ ｍｏｄｅｌ ｔｏ ｐｒｅｄｉｃｔ ｓｅａｒｃｈ ｅｎｇｉｎｅ ｃｌｉｃｋ ｄａｔａ ｆｒｏｍ ｐａｓｔ ｏｂｓｅｒｖａｔｉｏｎｓ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３１ｓｔ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｒ⁃ ｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００８： ３３１ －３３８． ［１５］ＣＨＡＰＥＬＬＥ Ｏ， ＺＨＡＮＧ Ｙ． Ａ ｄｙｎａｍｉｃ ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋ ｃｌｉｃｋ ｍｏｄｅｌ ｆｏｒ ｗｅｂ ｓｅａｒｃｈ ｒａｎｋｉｎｇ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００９： １－１０． ［１６］ＣＨＥＮ Ｄ Ｑ， ＣＨＥＮ Ｗ Ｚ， ＷＡＮＧ Ｈ Ｘ， ｅｔ ａｌ． Ｂｅｙｏｎｄ ｔｅｎ ｂｌｕｅ ｌｉｎｋｓ： ｅｎａｂｌｉｎｇ ｕｓｅｒ ｃｌｉｃｋ ｍｏｄｅｌｉｎｇ ｉｎ ｆｅｄｅｒａｔｅｄ ｗｅｂ ｓｅａｒｃｈ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ５ｔｈ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｅｂ Ｓｅａｒｃｈ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２０１２： ４６３－４７２． ［１７］ＬＩＵ Ｚ Ｙ， ＬＩＵ Ｙ Ｑ， ＺＨＯＵ Ｋ， ｅｔ ａｌ． Ｉｎｆｌｕｅｎｃｅ ｏｆ ｖｅｒｔｉｃａｌ ｒｅｓｕｌｔ ｉｎ ｗｅｂ ｓｅａｒｃｈ ｅｘａｍｉｎａｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２０１５： １９３－２０２． ［１８］ＫＬÖＣＫＮＥＲ Ｋ， ＷＩＲＳＣＨＵＭ Ｎ， ＪＡＭＥＳＯＮ Ａ． Ｄｅｐｔｈ⁃ａｎｄ ｂｒｅａｄｔｈ－ｆｉｒｓｔ ｐｒｏｃｅｓｓｉｎｇ ｏｆ ｓｅａｒｃｈ ｒｅｓｕｌｔ ｌｉｓｔｓ［Ｃ］ ／ ／ ＣＨＩ ＇ ０４ Ｅｘｔｅｎｄｅｄ Ａｂｓｔｒａｃｔｓ ｏｎ Ｈｕｍａｎ Ｆａｃｔｏｒｓ ｉｎ Ｃｏｍｐｕｔｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ： ＡＣＭ， ２００４： １５３９． ［１９］ＬＯＲＩＧＯ Ｌ， ＰＡＮ Ｂ， ＨＥＭＢＲＯＯＫＥ Ｈ， ｅｔ ａｌ． Ｔｈｅ ｉｎｆｌｕ⁃ ｅｎｃｅ ｏｆ ｔａｓｋ ａｎｄ ｇｅｎｄｅｒ ｏｎ ｓｅａｒｃｈ ａｎｄ ｅｖａｌｕａｔｉｏｎ ｂｅｈａｖｉｏｒ ｕｓｉｎｇ ｇｏｏｇｌｅ ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ ＆ ｍａｎａｇｅｍｅｎｔ， ２００６， ４２（４）： １１２３－１１３１． ［２０］ ＸＵ Ｗ Ｈ， ＭＡＮＡＶＯＧＬＵ Ｅ， ＣＡＮＴＵ⁃ＰＡＺ Ｅ． Ｔｅｍｐｏｒａｌ 第 ６ 期 王超，等 搜索引擎点击模型综述 ·７１７·