Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Neural or Statistical: An Empirical Study on Language Models for Chinese Input Recommendation on Mobile Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

How Users Select Query Suggestions Under Different Satisfaction States?

verfasst von : Zhenguo Shang, Jingfei Li, Peng Zhang, Dawei Song, Benyou Wang

Erschienen in: Information Retrieval

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Query suggestion (or recommendation) has become an important technique in commercial search engines (e.g., Google, Bing and Baidu) in order to improve users’ search experience. Most existing studies on query suggestion focus on formalizing various query suggestion models, while ignoring the study on investigating how users select query suggestions under different satisfaction states. Specifically, although a number of effective query suggestion models have been proposed, some basic problems have not been well investigated. For example, (i) how much the importance of query suggestion feature for users with respect to different queries; (ii) how user’s satisfaction for current search results will influence the selection of query suggestions. In this paper, we conduct extensive user study with a search engine interface in order to investigate above problems. Through the user study, we gain a series of insightful findings which may benefit for the design of future search engine and query suggestion models.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel User Preference Prediction in Mobile Search
Nächstes Kapitel Tripartite-Replicated Softmax Model for Document Representations
Literatur
1.
Anagnostopoulos, A., Becchetti, L., Castillo, C., Gionis, A.: An optimization framework for query recommendation. In: Proceedings of the Third ACM International Conference on Web Search and Data Mining, pp. 161–170. ACM (2010)
2.
Baeza-Yates, R., Hurtado, C., Mendoza, M.: Query recommendation using query logs in search engines. In: Lindner, W., Mesiti, M., Türker, C., Tzitzikas, Y., Vakali, A.I. (eds.) EDBT 2004. LNCS, vol. 3268, pp. 588–596. Springer, Heidelberg (2004). doi:10.​1007/​978-3-540-30192-9_​58 CrossRef
3.
4.
5.
Dupret, G., Mendoza, M.: Automatic query recommendation using click-through data. In: Debenham, J. (ed.) Professional Practice in Artificial Intelligence. IFIP, vol. 218, pp. 303–312. Springer, Boston, MA (2006). doi:10.​1007/​978-0-387-34749-3_​32 CrossRef
6.
Guo, J., Cheng, X., Xu, G., Shen, H.: A structured approach to query recommendation with social annotation data. In: Proceedings of the 19th ACM International Conference on Information and Knowledge Management, pp. 619–628. ACM (2010)
7.
Lee, U., Liu, Z., Cho, J.: Automatic identification of user goals in web search. In: International Conference on World Wide Web, WWW 2005, Chiba, Japan, pp. 391–400, May 2005
8.
Li, J., Shang, Z., Zhang, P., Song, D.: An auto-adaptive query recommendation model based on users search satisfaction state. J. Frontiers Comput. Sci. Technol. (2015)
9.
Li, Y., Wang, B., Li, J.: A survey of query suggestion in search engine. J. Chin. Inform. Process. 24(6), 75–84 (2010)MathSciNet
10.
Liu, Y., Miao, J., Zhang, M., Ma, S., Ru, L.: How do users describe their information need: query recommendation based on snippet click model. Expert Syst. Appl. 38(11), 13847–13856 (2011)
11.
Rvelin, K., Jaana, I.: Cumulated gain-based evaluation of IR techniques. ACM Trans. Inform. Syst. 20(4), 422–446 (2002)CrossRef
12.
Xing, Q.: A study of click models in web search. PhD thesis, Tsinghua University (2014)
13.
Zhang, Z., Nasraoui, O.: Mining search engine query logs for query recommendation. In: Proceedings of the 15th International Conference on World Wide Web, pp. 1039–1040. ACM (2006)
Metadaten
Titel
How Users Select Query Suggestions Under Different Satisfaction States?
verfasst von
Zhenguo Shang
Jingfei Li
Peng Zhang
Dawei Song
Benyou Wang
Copyright-Jahr
2017
Buch
Information Retrieval

Print ISBN: 978-3-319-68698-1

Electronic ISBN: 978-3-319-68699-8

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-68699-8_8

Neuer Inhalt

    Bildnachweise