查询推荐是解决当前互联网信息过载、用户体验差、有效性低等问题的重要方法之一。本书分析了目前查询推荐技术的研究现状，在国内外相关研究成果的基础上，从语义层面表示数据，构建了查询推荐的方法体系，研究了语义相似度参数概念信息内容IC模型，概念语义相似度算法，查询关系挖掘，基于语义分析的查询相似模型，查询推荐模型等。

随着知识爆炸性增长，信息检索作用日益凸显。但由于用户普遍不能准确表达自己的信息需求、输入的查询词较短以及一词多义现象等原因，搜索引擎很难判断用户查询意图，信息检索结果难以令用户满意。当前国内外多采用查询推荐技术解决上述问题，它可以弥补用户检索词信息表达不足或受限的缺憾，便于对初始查询进行修正或重写。

本文通过对当前查询推荐方法的研究得出： 国内外学术界普遍都是在语法层面表示数据，极少考虑查询的语义信息和语用的表达，而事实上检索词和文档的语义才能真正有助于捕获用户的查询意图。如何有效引入语义信息，使得搜索引擎能够挖掘语义上相同（或相似）查询？如何从语义层面判断查询的相似性？对于某个初始查询，可能有多个相似查询，推荐哪些查询给用户更为合理？研究解决这些问题既有理论意义又有实用价值。在此背景下，本文对查询推荐技术展开了较深入的研究。

本书全文包括8章。第1章详细给出了本文的研究思路、主要内容、创新点等。为了便于后续章节内容的理解，第2章详细介绍了Web日志信息以及通用本体WordNet，这是本文的研究基础。第3章研究了语义相似性参数——信息内容IC模型。第4章研究了语义相似度算法。第5章重点探讨了查询相似性算法。第6章探讨当用户进行新的查询时，如何挑选相似的查询推荐给用户，使得推荐结果更为合理、更能符合用户的实际需求。第7章在前面章节讨论内容的基础上，给出了本文提出算法的实际应用。第8章概括总结本研究的主要内容，分析研究的不足，并指出进一步的研究方向，展望未来的工作。

本书所研究的模型和系列算法在实验对比中显示出了良好性能，不仅可以应用在查询推荐领域，还可以推广至本体匹配、领域知识图谱构建、自动文本分类与自动文本聚类、电子商务等多种领域，具有较宽广的应用前景。

由于作者水平有限，加之时间仓促，疏误之处在所难免，敬请学界同行及各界读者批评指正。

作者2013年6月

第1章绪论

1.1研究背景

1.2查询推荐技术研究现状及存在问题

1.3本书研究主要内容与创新点

1.4本书内容安排

1.5小结

本章参考文献

第2章用户查询日志与通用本体WordNet

2.1用户查询日志

2.2本体

2.3WordNet

2.4小结

本章参考文献

第3章概念信息内容度量

3.1问题描述

3.2符号定义

3.3语义相似度参数——IC模型研究

3.4基于概念拓扑结构的IC模型

3.5实验测试与性能评价

3.6小结

本章参考文献

第4章语义相似度算法

4.1问题描述

4.2概念语义相似度算法综述

4.3基于路径和信息内容混合的新算法

4.4实验测试与性能评价

4.5小结

本章参考文献

第5章基于语义的查询相似性算法

5.1问题描述

5.2相关定义

5.3查询相似性算法综述

5.4基于语义的查询相似性算法

5.5相似查询字典获取

5.6实验测试与性能评价

5.7小结

本章参考文献

第6章查询推荐算法研究

6.1问题描述

6.2相关研究综述

6.3基于主题的查询推荐算法

6.4实验测试与性能评价

6.5小结

本章参考文献

第7章查询推荐关键技术应用

7.1语义相似度算法应用

7.2查询相似性算法应用

本章参考文献

第8章总结与展望

8.1全文总结

8.2下一步研究工作

8.3小结

附录AWordNet应用部分核心接口函数

附录B查询相似性核心算法

附录C用户查询主题聚类核心算法

附录DWordNet应用程序下载、安装与使用

本书所用图索引

本书所用表索引