网络搜索中语言使用特征研究

doi:10.11925/infotech.1003-3513.2008.07.10

现代图书情报技术

2008, Vol. 24

Issue (7): 47-53 https://doi.org/10.11925/infotech.1003-3513.2008.07.10

情报分析与研究

本期目录 | 过刊浏览 | 高级检索

网络搜索中语言使用特征研究

赖茂生屈鹏

（北京大学信息管理系北京 100871）

Study on the Characters of Language Used in Web Searching

Lai Maosheng Qu Peng

(Department of Information Management, Peking University, Beijing 100871, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (560 KB)
输出: BibTeX | EndNote (RIS)

摘要

以网络搜索中语言使用的特征为研究对象，旨在对网络搜索中查询式的句法和语义问题进行探索性的研究。主要使用搜索引擎查询日志挖掘的方法，辅以网络问卷调查法所得到的结论进行比较分析，得出在句法、词汇类别、辅助词和主体词等方面的特征。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	赖茂生
	屈鹏

关键词 ：检索语言, 搜索, 日志挖掘, 用户, 语言使用

Abstract：

This paper concerns on the characteristics of language used in the Web searching and seeks to make an exploratory study on the syntax and semantic query problems. The research mainly uses search engine query log analysis method, then compares with the results from Web questionnaire analysis. At last, the authors come to the conclusion on the characteristics of syntax, term category, assistant words, and principal words. The syntax in Web searching is very stable; users rely greatly on assistant words; the natural-language-character of query is obvious; and the query syntax is very simple. Search engines has become an helpful supplement for traditional information retrieval tools; forms unique contents, in which consists mostly entertainment and non-mainstream culture, and which differentiate search engine from traditional information retrieval tools.

Key words： Retrieval language Searching Log mining User Language usage

收稿日期: 2008-03-07 出版日期: 2008-07-25

G352

通讯作者: 赖茂生 E-mail: laims@pku.edu.cn

作者简介: 赖茂生,屈鹏

引用本文:

赖茂生,屈鹏. 网络搜索中语言使用特征研究[J]. 现代图书情报技术, 2008, 24(7): 47-53.
Lai Maosheng,Qu Peng. Study on the Characters of Language Used in Web Searching. New Technology of Library and Information Service, 2008, 24(7): 47-53.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2008.07.10 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2008/V24/I7/47

［1］王继民, 陈翀, 彭波. 大规模中文搜索引擎的用户日志分析［J］. 华南理工大学学报(自然科学版), 2004, 32(S): 1-5.
［2］王继民, 彭波. 搜索引擎用户访问量模型［J］. 计算机工程与应用, 2004, 40(25): 9-11,30.
［3］王继民, 彭波. 搜索引擎用户点击行为分析［J］. 情报学报, 2006, 25(2): 154-162.
［4］王继民, 孟涛. Web搜索引擎日志挖掘研究［R］. 中国人搜索行为研究实验室年度报告2006. 北京: 北京大学信息管理系, 2006: 35-48.
［5］ Jansen B J, Spink A, Saracevic T. Real Life, Real Users, and Real Needs: A study and Analysis of User Queries on the Web［J］. Information Processing and Management, 2000, 36(2): 207-227.
［6］ Spink A, Jansen B J, Koshman S. From E-sex to E-commerce: Web Search Changes［J］. IEEE Computer, 2002, 35(3): 107-109.
［7］ Spink A, Ozmutlu H C, Ozmutlu S. Multitasking Information Seeking and Searching Processes［J］. Journal of the American Society for Information Science and Technology, 2002, 53(8): 639-652.
［8］ Ozmutlu S, Spink A, Ozmutlu H C. A Day in the Life of Web Searching: An Exploratory Study［J］. Information Processing and Management, 2004, 40(2):319-345.
［9］ Jansen B J, Spink A. How are We Searching the World Wide Web? A Comparison of Nine Search EngineTtransaction Logs［J］. Information Processing and Management, 2006, 42(1):248-263.

[1]	单晓红,王春稳,刘晓燕,韩晟熙,杨娟. 开放式创新社区领先用户识别——知识基础观视角*[J]. 数据分析与知识发现, 2021, 5(9): 85-96.
[2]	徐曾旭林, 谢靖, 于倩倩. 人才多元评价模型设计方法研究^*[J]. 数据分析与知识发现, 2021, 5(8): 122-131.
[3]	王晰巍,贾若男,韦雅楠,张柳. 多维度社交网络舆情用户群体聚类分析方法研究^*[J]. 数据分析与知识发现, 2021, 5(6): 25-35.
[4]	张梦瑶, 朱广丽, 张顺香, 张标. 基于情感分析的微博热点话题用户群体划分模型 ^*[J]. 数据分析与知识发现, 2021, 5(2): 43-49.
[5]	沈旺, 李世钰, 刘嘉宇, 李贺. 问答社区回答质量评价体系优化方法研究 ^*[J]. 数据分析与知识发现, 2021, 5(2): 83-93.
[6]	席运江, 杜蝶蝶, 廖晓, 仉学红. 基于超网络的企业微博用户聚类研究及特征分析*[J]. 数据分析与知识发现, 2020, 4(8): 107-118.
[7]	魏武, 谢兴政. 线上知识付费用户继续付费意向影响因素研究*[J]. 数据分析与知识发现, 2020, 4(8): 119-129.
[8]	蔡永明,刘璐,王科唯. 网络虚拟学习社区重要用户与核心主题联合分析*[J]. 数据分析与知识发现, 2020, 4(6): 69-79.
[9]	郑淞尹,谈国新,史中超. 基于分段用户群与时间上下文的旅游景点推荐模型研究^*[J]. 数据分析与知识发现, 2020, 4(5): 92-104.
[10]	池毛毛,潘美钰,王伟军. 线索一致性对共享住宿平台用户购买决策的影响研究：房客文本信息和房源图片信息的交互效应*[J]. 数据分析与知识发现, 2020, 4(11): 74-83.
[11]	王晰巍,张柳,黄博,韦雅楠. *基于LDA的微博用户主题图谱构建及实证研究^——以“埃航空难”为例**[J]. 数据分析与知识发现, 2020, 4(10): 47-57.
[12]	李纲,周华阳,毛进,陈思菁. 基于机器学习的社交媒体用户分类研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 1-9.
[13]	卢伟聪,徐健. 基于三分网络的网络用户评论情感分析 ^*[J]. 数据分析与知识发现, 2019, 3(8): 10-20.
[14]	李珊,姚叶慧,厉浩,刘洁,嘎玛白姆. 基于ISA联合聚类的组推荐算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 77-87.
[15]	夏立新,曾杰妍,毕崇武,叶光辉. 基于LDA主题模型的用户兴趣层级演化研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 1-13.

Viewed

Full text

Abstract

Cited

Shared

Discussed