ThinkTAG

摘要：
在本文中，我们研究的从移动设备中使用各种的Yahoo ！ oneSearch应用程序.在2007年下半年一二个月期间，来自20 万英语示例查询所提交的来自美国， 加拿大，欧洲和亚洲用户的查询模式特点。我们研究的查询分布专题类的queries的规律寻找新的趋势。我们比较和对比搜索模式之间的美国与国际的查询，以及问来自不同的搜索界面（ XHTML中/的WAP ， Java，插件，和SMS ）之间的queries 。我们还比较我们的研究结果与以前的研究，只要有可能，无论是确认前结果，或找到在查询中的分布有趣的差异。

关键字：
Mobile query analysis, mobile search, query analysis, querylog analysis, mobile applications, wireless devices, mobiledevices, cell phones, personal devices, oneSearch
正文：
Section1. 引言
无线用户数正在迅速增长，对比日益增长的人口的移动用户，可以预计，通过手机上网的用户也将飞速增长。事实上，我们可能已经进入大规模通过无线手持设备接入互联网的早期阶段。最近，包括电子邮件和地图等互联网应用使用，已日益增长。

此外，在大多数新兴市场，如印度和东欧国家，预计大多数用户将开始通过他们的移动设备访问互联网，甚至超过通过PC上网。无线服务有巨大的市场和机会，尤其广告业务。无线装置，已经成为除电视机和计算机显示器外，一个更重要的用户交互界面。正如大多数互联网搜索引擎一样，移动搜索将扮演移动设备访问互联网数据的主要入口。
了解用户信息需要和精确的需求，是一个十分重要的工作，这样才可能更好地为他们服务。对分析用户的意图、搜索查询习惯，了解并破译他们的无线信息的需要将是非常有帮助的。
我们研究了Yahoo ！Mobile的搜索查询日志数据。 Yahoo！ onesearch是一种移动搜索服务，有三种搜索应用程序接口： XHTML中/ WAP浏览器界面（ http://m.yahoo.com ） ，
Java应用程序接口（Yahoo!Go） ，和短信通讯接口（雅虎移动短信搜索） 。
这项研究的目标，有两方面：
1 ：探讨搜索的特点样本数据并发现查询模式和规律；
2：to supplement and complement prior studies on mobilequery pattern analysis by relaxing various restrictions put on the previous studies and by exploring a new set of data。
我们打算重点分析之前的没有研究或没有全面探讨的问题。以下是主要的重点领域，我们的研究：
1比较基本的查询分布情况和特点以寻找新趋势；
2比较美国和国际查询的模式；
3分析来自各种不同入口的搜索查询需求；

我们的分析的数据集合由2007年两个月内随机组成的来自美国，欧洲，亚洲提交的两千万的yahoo Mobile的查询请求。查询使用语言为英语的请求会被包括在研究报告中，这是为了消除语言的具体特质，并保持分析的一致性。所有的样本数据完全是匿名的。在我们的研究没有涉及泄露用户身份等信息的数据，我们的报告只做汇总统计。
For the study, we first surveyed empirical observationsdrawn from the sample data sets. 我们先分析对样本的审查统计等比如用户的查询词长度，单词数每次查询，查询的分布和重复模式。我们进行了研究专题的类别和应用具体的查询方式。
文档的主要成果如下：
1它是迄今为止规模最大的英文移动查询日志分析。比以往的研究对移动查询多了一个数量级；
2 它的规模宏大，研究跨区域和跨国家移动搜索模式，包括美国，欧洲和亚洲国家;
3它包括各方面类型（WAP.APP.SMS）的移动应用程序接口的综合分析结果。
该报告的余下部分的结构将是：
在下一个章节中，我们简要介绍了雅虎的移动搜索服务和应用。第3节描述用于该项研究的样本数据集。本报告的主要部分第四节主要包括三个部分：4.1节，是为第一阶段分析结果，第4.2为移动查询分类和结果，第4.3节是移动搜索应用软件的具体问题。在第5 章节我们提供了一个有关的我们工作的概述；第6条以讨论，和为今后的工作计划作为结束。

Section2. YAHOO! MOBILE SEARCH SERVICE AND INTERFACES
Yahoo!onesearch是一个对于移动设备和用户的整合搜索服务优化.对于用户提交的查询，第一步，分析用户的想法和查询意图；第二步，它产生一个搜索的执行计划，优化查询意图，以防出现庞大的包括网页，新闻，图片，财务信息，文字，Yahoo ！ 知识堂之类的查询结果。最后，它汇总各种搜索结果的集合，组成最优化的查询结果组合，并显示在移动设备上。
Yahoo! oneSearch的目标是提供更精准的搜索结果和更直观的用户体验，不在像互联网搜索一样提供一大堆的网页超链接，把移动网络传输速度给用户体验带来的瓶颈降到最低。
搜索结果组织方式以最优的用户体验：考虑到各种因素，包括用户查询意图，内容相关性，和其他查询独立的因素，如移动设备的类型。
Section2.1 Yahoo! oneSearch XHTML/WAP Interface
Yahoo! oneSearch最独特的特性就在于SERP (Search Engine Results Page)
the federated search results are blended and ranked in anoptimal ordering of the verticals. Result pages of a vertical
source is ranked optimally within the vertical.（有些不确定的翻译）整合搜索的各个类别内部的排序（比如网页，图片，新闻）是各自类别的最优化结果；结果页面的类别间的排序是对类别的最优化排序结果。
Section 2.2 Yahoo! Go for Mobile
Yahoo！Go是集成了众多功能的，为手机这样的小屏幕设备进行了优化后的一个手机软件平台。包含了Yahoo！ onesearch以及其他受欢迎的移动应用， 如电子邮件，本地信息和地图，新闻，体育， 金融，娱乐，气象和flickr的照片。通过先进的高速缓存和背景加载技术， Yahoo！Go小插件的内容当用户需要时是自动不断被更新到用户的手机。
Section2.3 Yahoo! SMS Search
The SMS Search application提供了通过SMS来提交查询的接口。查询请求将被提交到(ex. short code: 92466 for the US)，查询结果将以1条或更多的SMS推送到用户的手机上。每条结果SMS都将直接的包含查询结果，而不是一个URL链接，这对那些不支持移动上网的用户十分有用。
Section3. SAMPLE DATA SET 抽样数据集
我们使用了两种Yahoo!Mobile平台上包含2007年8，9月份的log数据：
1 US sample queries:来自美国英语非空的随机queries；
2 International sample queries: from Australia, Canada, India, New Zealand, and the UK.
Section 4. ANALYSIS OF MOBILE QUERIES mobie查询分析
在本节中，我们分析各种移动查询。第4.1报告不同种类的初步分析结果，适用于从样本数据集的个人查询；Section 4.2描述查询分类；在4.3讨论移动平台搜索的独特性。
Section 4.1 移动查询的初步分析
我们开始移动查询考虑到独特查询分析。我们首先研究独特的查询定量统计。然后，我们讨论来自查询的重复模式的移动查询分布模式。
Section4.1.14.1.1 Unique Queries

Table1总结了典型的来自抽样数据集的sample queries and unique queries
在这项研究中，在美国的数据集有4.49Munique queries，在国际数据集有3.7M。平均来说，在2个月的测试期，在美国和国际数据集一个查询是重复4.46 和5.41次。平均而言，在国际上的数据集超过20 ％以上的重复查询。
The average number of words per query is 2.35 (mean, 2;std. dev: 1.16; max., 65) for the 美国数据集, and 2.1 (mean,2; std. dev, 1.09; max 60) for 国际数据集.
The average number of characters per query is 13.73 (mean, 13;std. dev, 7.13; max, 263) and 13.6 (mean, 13; std. dev, 6.8;max 501) for the 美国数据集 and 国际数据集。
美国用户比其他国际用户11% more number of words。我们计划在调查是否有因两个不同group之间的差异引起的任何潜在查询模式。当只考虑unique queries（即，没有
累加同一关键词的次数）的时候，被认为是，平均数相当大幅度的增加。The average number of words per unique query is 3.05 (mean, 3; std. dev: 1.41) and 2.54 (mean, 2;std. dev, 1.3) for the US and international samples, respectively. The average number of characters per unique query。is 18.48 (mean, 17; std. dev, 7.92) and 17.5 (mean, 13; std.dev, 9.13) for the US and international queries, respectively. 增加的长度就独特的疑问意味着很多Head-queries（高频率重复查询） 少于平均水平，较长的queries取决与Tail-queries（极少数重复的查询） 。
图3显示了每一个查询的包含word的分布。

Figure 3: Distribution of word lengths per query -US vs. International for unique and all queries
图4是每一个查询的字符数分布

Figure 4: Distribution of character lengths per query – US vs. International for unique and all queries
我们发现了一个明显的，对于number of word的分布差异，研究报告【the most frequent query word length】中是1，在我们的统计结果是2.

图5显示的累积查询的次数排名前2000年的美国和国际的unique queries

Figure 5: Cumulative Query Frequency of Top 2K Queries of US (upper curve) and International (lower) Data Sets
Top2k ，最频繁的queries，或小于0.05 ％
unique quer，占有比例超过整个查询量在美国27 ％的；在国际数据集中的数据为（小于0.06 ％ ）和17 ％. In the cumulative graph, the lower the volume accounted for by the top-N unique，queries, the more diverse the set of queries received. 因此， 这表明，来自美国的queries种类较少，尽管他的unique queries更多。在其他换言之， 在美国数据集里，少数head-queries更常见，因此占整个查询量较大部分。这也说明，相比美国的数据集，国际数据集即使拥有更多的用户量，但它的tail-queries还是比美国少（这可以在图8 – 国际数据集query repetition验证，将在下一节讨论）。

图6比较累积的覆盖面5个国家 -美国，加拿大，英国，印度，和A u-新西兰元（澳大利亚和新
新西兰联合） -Top1 000的queries，从1M的级别随机采样独unique-queries。

Figure 6: Cumulative Query Frequency of Top 1K Queries of US, CA, UK, IN, AU-NZ (in the order
the corresponding curve appear on the graph from top to bottom)
图表显示，AU-NZ的queries是最多样其次是印度，英国，加拿大和美国
美国的queries仍然是种类最少的，Canada search pattern is a close mirror in terms of the frequency pattern of the head queries.
比较之前的研究：
我们的查询字计数（平均每次查询2.35个word）停留相应数字报告中间，在[ 报告10 ] （ avg.2.56 ）和[ 报告9 ] （平均2.3 ） 。[ 报告9 ]不包括PDA的疑问，这通常较长（平均2.7 ）。我们的查询字计数（平均2.35 ）与【报告1】的平均数是一致的2.29.结合PDA的queries，因为我们没有，虽然这是不能作直接比较，因为他们的研究是对queries。在字符数上，我们的queries 平均13.73个字符比[ 报告9 ] （ 15.5in
XHTML中， 17.5inPDA）和[ 报告10 ] （平均16.8 ）短得多 。有意思的是，大部分的高水准的的初级统计非常肯定我们和其他机构的研究的， 虽然报告中存在研究语言的差异。在[报告 1 ] ， [ 报告9 ] ，我们的报告和 [ 报告10 ] 中，查询词中平均的word数目是2.29 ， 2.3 ， 2.35和2.56 ，虽然字符数的百分比例查询和日本的7.9是大大降低了。这可能表明，移动用户的搜索习惯可能来源于桌面搜索。这可能还表明，小于2.5的word足够满足用户查找资料的需要。
Section4.1.2 Analysis of Query Duplicates查询重复的分析
另一个有趣的问题，查询字符串重复率。同在桌面Web搜索[报告 14 ]相比 ，我们的
早些时候的观察（图5 ）表明，小部分的queries被
重复了很多次。

我们分析了查询的重复模式的种种表现。
1 在sample queries方面，2 在计算查询重复率3 相关度较高的queries的数量。
模式如下：幂律分布，呈现显着。线性模式对一个日志记录的影响，如showen在图7和图8


X轴的图表所代表的日志的数目查询重复，Y轴为相应的queries的日志的人数。The slopes of the regression
line of the plots for US and international queries are -1.25 and -1.44, respectively. 显示认为，国际数据集只有很少数目tail-queries（很少被查询的冷门queries） 。在国际数据集中，1,611,322 unique queries仅仅被查询了一次。
这个数目占整个unique queries的49%；占整个queries的8%;在美国数据集中，2,669,290 uniquequeries的查询频率只有1，占unique queries的66%；占整个queries的13%。频率计数为1的unique queries对应到查询分布图中y轴的截距。在国际数据集最常见的查询出现超过58k次（ ，占整个查询的0.29 ％） ；而在美国数据集，最常见的查询是出现了超过88k次（占整个抽样查询的0.44 ％） 。
Section 4.2 Mobile Query Categorization 查询归类
美国和国际查询，自动分类为专题类别和分类结果总结在表2和3 。


查询的分类这项研究，我们已用了一个开放源码的基于classifier5的逻辑回归 。引用[ 12 ]详细的算法。 我们用美国英语网站的搜索查询为训练数据。对于类别的分类分类系统，我们曾经使用了一个内部的分类-总821节点，最大深度6 。有23个高层类， 152 第二， 281第三， 229第四， 94第五，41个第六级别的水平类别。据我们所知，利用机器学习算法来进行query的自动分类仍是在其起步阶段，它是一个高度棘手的问题。不单是一般的搜索查询十分简短和意义含糊，而且他们还缺乏上下文语境。这使得查询分类的问题比网页内容分类更为棘手。此外，由于受限于
移动设备用户输入的界面，移动查询的query通常有较高的拼写错误。一个很明显的问题，在所以的queries中，能被归类的queries只占了很少的一部分。这可能是因为，许多未被归类的queries实在是过于的简短了。就整体而言，未归类的queries占总样本空间的比列在美国为47%，在国际数据集为67%.在过少的信息和缺乏上下文语境的情况下，分类器可能没有对他们做出分类处理。
一个值得注意的问题是，来自国际数据集的未归类queries的百分比要高于美国数据集：9
(for unique queries) and 12% (for all queries) for US sampledata vs. 28% for the international sample data.（大家能理解吧，这句就不翻了）。事实上，我们的分类训练采用的是来自美国的queries，因此，对于来自国际数据集的queries自动归类的效果稍低，也不足为怪了。
表2和表3分别列出了美国数据集和国际数据集中，占查询总量最多的类别的一个排列，以及每个queries拥有多少个word和多少个字母。而那些未能被归类的queries，他们分别拥有多少个word和字母，就没有统计意义。
占整个比例最高的queries类别是娱乐类别。表4列出了娱乐类别里的每一个子类别。
Table 4: Entertainment Subcategories

同[报告10]的观点相似，我们预期娱乐类的queries在未来会是移动搜索的一个主要的类别，会占有相当高的一个比例。有部分原因是，以往对于娱乐类别的研究分析，已经是比较的多，这类娱乐类别的queries，属于adult-trelated（成熟的关系？）。除了这种猜测鉴于在[ 报告10 ] ，为什么adult-related的queries占有移动搜索queries中如此高比例的原因是：image-related（抽象关系？）的查询已经被包括在Yahoo!oneSearch 的整合搜索模型的全面考虑中了。（原文：In addition to the two conjectures given in [10], the reason why adult-related queries are so high on mobile search may be because image-related search queries are included in the overall analysis due to the nature of Yahoo! oneSearch’s federated search model.）[报告10]中，根据kamvar和 Baluja的观察，在把旧的，结果页面忽略图片的转换器替换成加入更多图片结果的转换器后，adult queries
(成人查询?)已增加20 ％至25 ％
我们也注意到，在美国数据集的queries中，大部分的高层其他类别里，除开娱乐外，比如people, retail, sports, technology, and travel类别，也只代表了一个很小的百分比“ （ < = 2 ％ ），在国际数据集中，也是类似的情况。相对桌面搜索，无线搜索仍然是在一个非常早期阶段。它可能遵循的Web搜索模式，在早期head-queries占据了相对较高的比例。如果移动搜索是的确会遵循web搜索的发展规律，我们期望这些 tail-queries随着时间的推移会延长，我们预计类别的百分比中，包括娱乐的queries的比列，也会改变。Spink et. al.报道说， 在网络搜索查询方面，1997年和2001年之间的queries分布有过很大的变化，[ 报告15 ] 。
娱乐类queries的比例从19.9%下降至6.6%，adult-queries从16.8%下降至8.5%。而商业信息，旅游，就业，经济类的queries从12.5%增加至24.7%；人，地点等方面的查询从6.7%增至19.7%。
除了这些显著的分类之外，还有几个显着的查询类型或意图：第一，包含有本地（Local）意图的queries-即是说打算搜索本地信息。这个不一定是个专题类别，但是它可以是一个中继类（meta），他可以结合任何其他的专题类别来进行搜索。其实，本地搜索的意图也未必含有明显的本地词汇（邮编或城市名称什么的），我们估计，有10.9%的queries中包含有本地查询意愿。另一项值得注意的类是导航类的queries。我们有发现约5 ％的这类queries ，，正在网址（或航行） 疑问，这是远低于报告[ 9 ]的结果 的数据17 ％ 。另外，关于移动设备提有的产品和服务，如手机游戏，铃声， 壁纸，电子邮件服务等也很多。
图9说明了美国数据集和国际数据集中查询模式分类中unique-queries的情况。图表显示，除了‘旅游’类别和未被分类的之外，两个数据集没有重大的差异。

Figure 9: Mobile Query Categorization (Unique Queries): US vs. International
但是类别的近似并不意味着两种数据集中的查询是一模一样的，比如说，同样是体育类信息的查询，美国数据集中的和国际数据集中的queries就有很大的区别。

Section 4.3 Application-Specific Query Patterns
在本节中，我们研究用户使用不同种搜索应用程序接口是的独特搜索行为习惯。因为每种平台的设备不同，我们最初假设三种平台的用户群也有自己特殊的一些搜索行为需求和习惯。
我们把美国数据集划分为三类：分别来自三种不同的搜索应用接口：
SMS；WAP ;Yahoo!Go。
结果请参考表5和图10.


Figure 10: Mobile Query Categorization – by Search Application
由图显示，三种不同分类的用户行为模式有很大的区别，拿娱乐类别的queries来说,SMS的queries
中的娱乐类别只占了14%，而WAP接口中的娱乐queries占了55%。这也许是因为不同的搜索界面造成的。SMS的搜索结果不包含图像，因此，对于像体育这类的搜索，可能更适合于SMS。
表5显示了另外一个有趣的模式：体育和旅游类的queries在yahooGo平台上占用较多的比例，这样也许是因为，在Yahoo！go平台里，我们提供了体育和地图的服务，这就鼓励了用户搜索这些相关的主题。表6和表7显示了体育和旅游在yahoo！go中和在SMS中的不同表现。

Section 5. RELATEDWORK
搜索引擎的查询日志是十分宝贵的资源，它对理解用户意图，分析用户行为特点，衡量搜索结果的相关性都十分的重要。因此，它被广泛的应用与各个方面。比如
报告[14，7，15]为日志对周面web搜索的研究，报告[1，9，10，4]为对移动搜索的研究。另外，报告[14，11，6]研究了用户目标和查询意图，报告[3,13]通过已分类的queries-data研究了捕捉用户查询词背后的需求，报告[16,5]研究了主题和结果的聚类。
之前对于移动搜索日志的研究和破译移动搜索的查询模式方面，有过不少大型的研究，比如报告[1,9,10] . kamvar 和Baluja 报告[9]就使用了2005年Google移动查询日志随机采样1个月的数据来研究。我们知道，那时一次大规模的移动查询日志的分析，他们提供了大量的对蜂窝手机和PDA的定量统计，通过大量对queries的研究，他们解释了移动搜索中，用户在搜索些什么，以及用户是怎么来搜索的。
在其后的研究，报告[10]中，他们使用了2007Google log中1百万的pv，并证明了他们之前的一些观点，而且发现了不同与之前的一些变化，为研究移动搜索的发展提供了很好的见解和参考。
另一大型移动查询日志分析是由Baeza-Yates， dupret和velasco在Yahoo ！日本的搜寻记录。他们的研究结果表明，在日本，平均每个queries中所包含的字母数量是美国的一半。
Silverstein et al进行了很大规模的查询日志分析和报道了许多网页搜索有趣的方面 [ 报告14 ] 。虽然我们不能直接从Web日志分析结果得出任何结论移动搜索，他们将继续作为一个宝贵的作比较的参考信息和给我们就如何移动互联网搜索
可能演变的参考，在不久的将来，找出如果移动搜索和互联网网页搜索将按照
什么模式来发展或将它们列入一个完全不同的学科。
另外，报告[3，8]利用移动搜索日志来研究如何在移动设备上更好的显示信息。

Section 6. DISCUSSION AND FUTURE WORK
这次移动搜索分析的研究的目的是为了提供就移动搜索各个方面的一些数据提供定量统计，来帮助我们更好的了解移动用户的信息需求以及移动搜索要如何满足这些用户搜索需求。以往的研究报告，虽然提出了很有见地的一些观点并总结了一些移动搜索的特点，但是我们发现，还是有相当多的问题没有被解决。
我们进行了大量的英语queries的研究，他们来自美国，欧洲还有亚洲。我们分析了各种高层分类的统计数据，来确定查询的分布和数量的模式以及特点。我们已经将queries样本的自动分类作为一个专题来研究，来更好的理解用户的意图。我们比较了不同的国家，区域和群体之间，以及使用不同的搜索界面的用户间的特点。以下是一些有趣的结果：
1 个人娱乐方面的搜索是目前最流行的移动搜索类别。正如人们想象的，很多用户在搜索这方面的内容。娱乐类别是一个很广泛的类别，它包括了很多的子类别，比如音乐，电影，游戏，电视，娱乐八卦，成人，浪漫的，等等。
2 移动搜索的查询模式仍然是动态的和变化的，移动用户通过新的设备和新的服务，会衍生出新的行为习惯。
3 区域模式：移动搜索在不同的地域的表现不一。比如在美国，用户在进行搜索的时候，使用的单词比其他的地区都多。而且，那些tail-queries（冷门）更多的来自美国。但在不同的地域和国家之间，他们有着近似的查询意图和主题，至少在高层分类是这样的。
4Application-depedent patterns:我们发现，受到不同搜索应用接口界面的影响，不同group的用户的习惯和话题都有所不同。
5 在未来，我们计划研究根据用户的点击，来更好的将结果分类或分组，并来改善queries的意图分析和归类。

Section 7. ACKNOWLEDGMENTS
略
Section 8 文献索引
[1] R. Baeza-Yates, G. Dupret, and J. Velasco. A study of mobile search queries in japan. In Proceedings of the
International World Wide Web Conference, 2007.
[2] A. Broder. A taxonomy of web search. SIGIR Forum, pages 3–10, 2002.
[3] G. Buchanann, S. Farrant, M. Jones, and H. Thimbleby. Improving mobile internet usability. In Proceedings of the International World Wide Web, pages 81–94, 2002.
[4] K. Church, B. Smyth, P. Cotter, and K. Bradley. Mobile information access: A study of emerging search behavior on the mobile internet. ACM Transactions on the Web, 1(1), 2007.
[5] C. Clarke, E. Agichtein, S. Dumais, and R. White. The influence of caption features on click-through
patterns in web search. In Proceedings of the International ACM SIGIR Conference on Research
and Development in Information Retrieval, pages 135–142, 2007.
[6] B. Jansen, D. Booth, and A. Spink. Determining the user intent of web search engine queries. In
Proceedings of the International World Wide Web Conference, pages 1149–1150, 2007.
[7] B. Jansen, A. Spink, J. Bateman, and T. Saracevic. Real life information retrieval: A study of user queries
on the web. SIGIR Forum, pages 5–17, 1998.
[8] M. Jones, G. Buchanan, and H. Thimbleby. Sorting out searching on small screen devices. In Proceedings
of the International World Wide Web Conference, pages 673–680, 2001.
[9] M. Kamvar and S. Baluja. A large scale study of wireless search behavior: Google mobile search. In
Proceedings of the ACM Conference on Human Factors in Computing Systems (CHI 2006), 2006.
[10] M. Kamvar and S. Baluja. Deciphering trends in mobile search. Computer, 40(8):58–62, 2007.
[11] U. Lee, Z. Liu, and J. Cho. Automatic identification of user goals in web search. In Proceedings of the
International World Wide Web Conference, pages 391–400, 2005.
[12] C.-J. Lin, R. C. Weng, and S. S. Keerthi. Trust region newton method for large-scale logistic regression. In
Proceedings of the International Conference on Machine Learning, June 2007.
[13] D. Rose and D. Levinson. Understanding user goals in web search. In Proceedings of the International World
Wide Web Conference, pages 13–19, 2004.
[14] C. Silverstein, M. Henzinger, H. Marais, and M. Moricz. Analysis of a very large web search engine
query log. SIGIR Forum, pages 6–12, 1999.
[15] A. Spink, B. Jansen, D. Wolfram, and T. saracevic. From e-sex to e-commerce: Web search changes.
Computer, pages 107–109, Mar 2002.
[16] X. Wang and C. Zhai. Learn from web search logs to organize search results. In Proceedings of the
International ACM SIGIR Conference on Research and Development in Information Retrieval, pages
87–94, 2007.

[备注]
翻译过程中，由于个人知识范围和语言程度的影响，一定会有很多的错误和毛病，希望大家谅解并帮助共同完成：）谢谢。任何问题，请于我联系 Mail:winso07n@gmail.com
2008-6-27 于杭州