王淼

摘要：本文首先對(duì)搜索日志的基本概念和發(fā)展起源進(jìn)行簡(jiǎn)單的介紹。第二部分介紹了網(wǎng)頁(yè)標(biāo)簽和日志文件的優(yōu)缺點(diǎn)，以及Jansen搜索日志分析方法的步驟和衡量指標(biāo)。第三部分對(duì)國(guó)內(nèi)外目前利用搜索日志分析方法研究用戶(hù)行為的現(xiàn)狀進(jìn)行總結(jié)。然后討論用戶(hù)在搜索話(huà)題，查詢(xún)?cè)~長(zhǎng)度，瀏覽頁(yè)面三方面的變化過(guò)程和搜索日志分析方法的優(yōu)缺點(diǎn)。最后對(duì)文章內(nèi)容進(jìn)行總結(jié)，并給出了以后的幾個(gè)研究方向。

關(guān)鍵詞：網(wǎng)絡(luò)搜索；用戶(hù)行為；搜索日志；長(zhǎng)度

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1009-3044（2018）32-0263-04

1 引言

2018年8月20日，中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布第42次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[1]?！秷?bào)告》顯示，截至2018年8月，中國(guó)網(wǎng)民規(guī)模達(dá)8.0億，互聯(lián)網(wǎng)普及率為57.78%。隨著網(wǎng)絡(luò)與信息資源的飛速發(fā)展，網(wǎng)絡(luò)搜索（Web Searching）已經(jīng)成為人們獲取信息的主要途徑。然而，在大數(shù)據(jù)背景下，檢索系統(tǒng)往往不能準(zhǔn)確地返回用戶(hù)真實(shí)需求。因此，為了提升檢索系統(tǒng)的性能，對(duì)網(wǎng)絡(luò)搜索行為（Web Searching Behavior）的研究是非常必要的。

整體來(lái)說(shuō)，網(wǎng)絡(luò)搜索行為的研究可以分為兩個(gè)方向[2]。如圖1所示。第一，采用搜索日志分析或者網(wǎng)頁(yè)標(biāo)簽來(lái)獲取顯性數(shù)據(jù)揭示用戶(hù)搜索行為（explicit searching behavior）。網(wǎng)頁(yè)標(biāo)簽是在網(wǎng)頁(yè)中嵌入一小段代碼，這段代碼不影響網(wǎng)頁(yè)的加載和運(yùn)行，然后利用JavaScript將網(wǎng)頁(yè)和用戶(hù)的信息發(fā)回到遠(yuǎn)程服務(wù)器端。日志文件記錄用戶(hù)與系統(tǒng)的一系列交互過(guò)程。利用網(wǎng)頁(yè)標(biāo)簽或者日志文件中記錄的數(shù)據(jù)研究用戶(hù)網(wǎng)絡(luò)搜索行為。第二，用戶(hù)研究揭示導(dǎo)致用戶(hù)搜索行為的隱性因素（implicit factors）。用戶(hù)研究主要采集用戶(hù)的個(gè)人特征，例如用戶(hù)的搜索技能、領(lǐng)域知識(shí)、認(rèn)知、情感等。研究個(gè)人特征對(duì)于用戶(hù)搜索行為的影響。本文主要關(guān)注搜索日志分析，因?yàn)樗阉魅罩居涗浟擞脩?hù)的整個(gè)查詢(xún)過(guò)程，包括查詢(xún)?cè)~，點(diǎn)擊頻次以及URL等豐富信息。如何通過(guò)日志分析來(lái)了解用戶(hù)的網(wǎng)絡(luò)搜索行為，已經(jīng)成為當(dāng)前重要研究方向。

本文第二部分介紹了Jansen的搜索日志分析方法的步驟。第三部分介紹了國(guó)內(nèi)外使用搜索日志分析方法進(jìn)行的相關(guān)實(shí)證研究。在第四部分的討論中討論用戶(hù)在搜索話(huà)題，查詢(xún)?cè)~長(zhǎng)度，瀏覽頁(yè)面三方面的變化過(guò)程和搜索日志分析方法的優(yōu)缺點(diǎn)。最后一部分是對(duì)文章的總結(jié)和未來(lái)發(fā)展方向的展望。

2 方法論

2.1 日志文件與網(wǎng)頁(yè)標(biāo)簽的優(yōu)缺點(diǎn)

日志文件與網(wǎng)頁(yè)標(biāo)簽作為兩種不同記錄用戶(hù)行為的方式，都可以用來(lái)做分析用戶(hù)行為。網(wǎng)頁(yè)標(biāo)簽以Google Analytics為代表。這種記錄用戶(hù)與系統(tǒng)的交互過(guò)程需要用戶(hù)是網(wǎng)站的擁有者，才可以在網(wǎng)站內(nèi)部嵌入代碼，監(jiān)測(cè)用戶(hù)行為。日志的內(nèi)容主要包括用戶(hù)的IP地址，日期，時(shí)間，查詢(xún)?cè)~，瀏覽頁(yè)面，請(qǐng)求方式等。目前，常用的標(biāo)準(zhǔn)日志格式主要有NCSA（National Center for Supercomputing Applications） Common Log，NCSA Combined Log，NCSA Separate Log，和W3C Extended Log，其中最常見(jiàn)的是W3C格式的日志。

日志文件與網(wǎng)頁(yè)標(biāo)簽作為兩種不同記錄用戶(hù)行為的方式相比之下各有優(yōu)勢(shì)。主要表現(xiàn)在是否需要web服務(wù)器，額外的代碼，軟件以及帶寬，是否會(huì)報(bào)告所有的（包括加載成功和失敗的網(wǎng)頁(yè)）信息，以及是否能獲得用戶(hù)信息等，主要區(qū)別見(jiàn)表1[3]。對(duì)于那些沒(méi)有自己web服務(wù)器的公司可以考慮使用網(wǎng)頁(yè)標(biāo)簽的方式來(lái)獲取數(shù)據(jù)研究用戶(hù)行為，組織或企業(yè)可以根據(jù)自己的需要選擇合適的方式獲取數(shù)據(jù)，本文主要關(guān)注日志文件。

2.2 搜索日志分析方法步驟和衡量指標(biāo)

自1998年以來(lái)，人們對(duì)搜索日志的利用日益頻繁，盡管所探討的研究問(wèn)題多種多樣，然而在開(kāi)展搜索日志分析的手段上彼此之間存在很多重合，只是未形成統(tǒng)一、可復(fù)制的模式。直到2006年，Jansen正式提出了由數(shù)據(jù)采集、處理和分析三個(gè)階段組成的搜索日志分析過(guò)程（如圖2所示），并對(duì)各階段所包含的任務(wù)內(nèi)容進(jìn)行了詳細(xì)的描述，尤其是分析階段的三個(gè)層次，即關(guān)鍵詞（Term）、查詢(xún)式（Query）和搜索會(huì)話(huà)（Session）[4]，這也成為相關(guān)研究紛紛遵循的方法指引。

2.2.1 數(shù)據(jù)采集

作為網(wǎng)絡(luò)日志的一個(gè)子類(lèi)，搜索日志則側(cè)重于反映搜索交互的特點(diǎn)。除了常規(guī)的用戶(hù)身份和日期時(shí)間以外，搜索日志中最重要的字段就是用戶(hù)所提交的查詢(xún)式，即他們?cè)谒阉骺蚶镙斎氲年P(guān)鍵詞組合。其他具有研究?jī)r(jià)值的字段還包括搜索結(jié)果頁(yè)面和頁(yè)面點(diǎn)進(jìn)（Click-through），其中前者是搜索引擎根據(jù)用戶(hù)查詢(xún)式返回的一組結(jié)果條目集合，后者是用戶(hù)通過(guò)點(diǎn)擊特定結(jié)果條目去訪(fǎng)問(wèn)的頁(yè)面[5]。在數(shù)據(jù)采集時(shí)選取哪些字段應(yīng)該依據(jù)研究問(wèn)題而定。

2.2.2 數(shù)據(jù)處理

從服務(wù)器上獲取的搜索日志原始數(shù)據(jù)通常都需要經(jīng)過(guò)一系列的處理。首先是崩潰記錄（如字段內(nèi)容的缺失和錯(cuò)位）的篩查，可以依次對(duì)所有的字段進(jìn)行排序，錯(cuò)誤數(shù)據(jù)會(huì)出現(xiàn)在每個(gè)字段列的兩端或是聚集到一起。其次是人類(lèi)記錄的識(shí)別，可以認(rèn)為連續(xù)提交查詢(xún)式的數(shù)量不超過(guò)特定閾值（如100個(gè)）的才是真實(shí)用戶(hù)，因?yàn)橛?jì)算機(jī)代理的特征是在短時(shí)間內(nèi)提交大量的查詢(xún)式。最后是搜索片段的規(guī)范化。當(dāng)用戶(hù)查看完結(jié)果網(wǎng)頁(yè)再返回搜索引擎的時(shí)候，服務(wù)器會(huì)生成一條新的記錄，其中查詢(xún)式保持不變，只是更新了時(shí)間，這樣會(huì)給查詢(xún)式數(shù)量的統(tǒng)計(jì)帶來(lái)誤差，所以需要將日志文件中的查詢(xún)式提交記錄和結(jié)果頁(yè)面請(qǐng)求記錄區(qū)分開(kāi)來(lái)，然后對(duì)同一個(gè)用戶(hù)的相同查詢(xún)式進(jìn)行合并[4]。

2.2.3 數(shù)據(jù)分析

Jansen的搜索日志分層分析框架是根據(jù)搜索交互的基本構(gòu)成提出來(lái)的：關(guān)鍵詞是對(duì)意義的表達(dá)，在形式上不可再分，是最小的單元；查詢(xún)式由一個(gè)或多個(gè)關(guān)鍵詞組成，代表了用戶(hù)的信息需求；搜索會(huì)話(huà)是指用戶(hù)為了實(shí)現(xiàn)特定搜索目標(biāo)而進(jìn)行的一系列活動(dòng)，包括查詢(xún)式的提交和結(jié)果條目的點(diǎn)擊，一段搜索會(huì)話(huà)中可能出現(xiàn)一個(gè)或多個(gè)查詢(xún)式。需要特別指出的是，關(guān)鍵詞和查詢(xún)式是可以直接從日志文件中提取的；而如果一個(gè)用戶(hù)擁有多個(gè)搜索會(huì)話(huà)，這些會(huì)話(huà)之間不存在可見(jiàn)的邊界，必須根據(jù)一定的機(jī)制來(lái)進(jìn)行劃分。一種方法是規(guī)定一個(gè)會(huì)話(huà)時(shí)長(zhǎng)閾值，凡是超過(guò)該時(shí)長(zhǎng)的記錄都劃入下一個(gè)會(huì)話(huà)[5]；另外一種方法是規(guī)定一個(gè)會(huì)話(huà)間隔閾值，如果兩條相鄰記錄之間的時(shí)間間隔超過(guò)該值，那么它們就屬于不同會(huì)話(huà)[6]。

3 實(shí)證研究

該小節(jié)對(duì)國(guó)內(nèi)外經(jīng)典的十幾篇運(yùn)用搜索日志分析方法的文章進(jìn)行梳理，以期得到用戶(hù)搜索行為的演變過(guò)程和發(fā)展趨勢(shì)，為搜索引擎和網(wǎng)站的建設(shè)和改進(jìn)提供建議。當(dāng)然，對(duì)于第二部分提出的分析層次的研究?jī)?nèi)容，不是每篇文章都會(huì)分析所有的指標(biāo)。下面抽取了幾個(gè)重要的SLA的指標(biāo)，這些指標(biāo)在很多文章中都被提及。對(duì)于那些不常見(jiàn)的指標(biāo)，會(huì)在分析過(guò)程中討論。如表2所示：

從數(shù)據(jù)收集時(shí)間上來(lái)看，最長(zhǎng)的是1988年Jones的研究，歷時(shí)427天。主要原因是該數(shù)字圖書(shū)館主要針對(duì)計(jì)算機(jī)科學(xué)文檔，每天的訪(fǎng)問(wèn)量在70-80之間，想要獲得比較有客觀(guān)和有代表性的數(shù)據(jù)。必須經(jīng)過(guò)相當(dāng)長(zhǎng)一段時(shí)間。最短的時(shí)間跨度是1天，隨著科技的不斷發(fā)展，現(xiàn)在的搜索引擎一天的訪(fǎng)問(wèn)量就過(guò)億。所以，無(wú)須長(zhǎng)時(shí)間搜集數(shù)據(jù)。從檢索系統(tǒng)上來(lái)看，Jansen在2006年提出搜索日志分析可以用在圖書(shū)館系統(tǒng)，傳統(tǒng)的IR系統(tǒng)，以及近年來(lái)常用的Web系統(tǒng)中[4]。傳統(tǒng)的IR系統(tǒng)隨著科技的發(fā)展市場(chǎng)占有率越來(lái)越低，所以很少有文章對(duì)其進(jìn)行研究。文中提及大多為搜索引擎的分析，也有少數(shù)站內(nèi)（例如圖書(shū)館系統(tǒng)）搜索日志分析。從數(shù)據(jù)量上看從幾萬(wàn)到幾億不等。說(shuō)明足夠大的數(shù)據(jù)量才可以代表和反映用戶(hù)信息行為。

4 討論

術(shù)語(yǔ)層次：高頻術(shù)語(yǔ)，主要有sex、applet、mp3、淘寶網(wǎng)、迅雷看看等。高頻術(shù)語(yǔ)的分布，無(wú)論是中文還是英文，都符合zipf分布[20]，即用戶(hù)的很多查詢(xún)都是重復(fù)的，很少一部分查詢(xún)就占據(jù)了用戶(hù)需求的大部分，所以對(duì)于搜索引擎引入緩存機(jī)制是非常必要的。對(duì)于術(shù)語(yǔ)共現(xiàn)，很多文章并沒(méi)有給出報(bào)告，Silverstein在1999對(duì)于術(shù)語(yǔ)的共現(xiàn)進(jìn)行研究，研究發(fā)現(xiàn)共現(xiàn)的詞大都是平常生活中我們經(jīng)常在一起使用的詞，例如我們輸入網(wǎng)址時(shí)http與www同時(shí)出現(xiàn)，又如visual和basic是一款軟件的名字，這些共現(xiàn)詞大都是常用短語(yǔ)或者固定搭配。

查詢(xún)?cè)~層次：在用戶(hù)查詢(xún)?cè)~長(zhǎng)度方面，首先是英文，在2000年左右，平均查詢(xún)?cè)~長(zhǎng)度在2.3左右。其次是中文，陳紅濤2007年分詞后查詢(xún)?cè)~的平均長(zhǎng)度為2.27，2013年董志安分詞后長(zhǎng)度增加到3.29。說(shuō)明隨著大數(shù)據(jù)時(shí)代的到來(lái)，信息的爆炸式增長(zhǎng)，用戶(hù)需要更多的詞來(lái)表述信息需求。對(duì)于查詢(xún)?cè)~的復(fù)雜性，在英文查詢(xún)中又大概17%的查詢(xún)串會(huì)使用高級(jí)查詢(xún)。而中文中僅有不到1%。即目前中文檢索用戶(hù)更多的檢索方式只是簡(jiǎn)單地輸入幾個(gè)關(guān)鍵詞，這說(shuō)明在使用檢索系統(tǒng)的過(guò)程中，簡(jiǎn)便是很重要的因素。也說(shuō)明了各種復(fù)雜功能的指定應(yīng)從用戶(hù)使用便利的角度出發(fā)。對(duì)查詢(xún)?cè)~的優(yōu)化（也稱(chēng)重構(gòu)），中文的查詢(xún)?cè)~更傾向于完全更改查詢(xún)?cè)~。而英文偏重于對(duì)查詢(xún)式進(jìn)行修改。Jansen在2009[5]年試圖建立一個(gè)查詢(xún)?cè)~重構(gòu)預(yù)測(cè)模型。用來(lái)預(yù)測(cè)用戶(hù)查詢(xún)?cè)~重構(gòu)行為，為其查詢(xún)行為提供幫助。模型分為四個(gè)階段，運(yùn)用搜索日志中的1523072個(gè)查詢(xún)?cè)~對(duì)每個(gè)階段的模型進(jìn)行評(píng)估。最后得出第一和第二階段模型可以較好地對(duì)用戶(hù)的查詢(xún)?cè)~重構(gòu)行為進(jìn)行預(yù)測(cè)。

會(huì)話(huà)層次：對(duì)于會(huì)話(huà)長(zhǎng)度，中文英文都穩(wěn)定在2個(gè)左右。證明一個(gè)用戶(hù)在查詢(xún)的過(guò)程中并不會(huì)輸入太多的查詢(xún)?cè)~，通常查詢(xún)?cè)~在兩個(gè)左右就可以滿(mǎn)足用戶(hù)的需求。從查詢(xún)?cè)~返回結(jié)果界面的瀏覽情況來(lái)看，大部分的人僅瀏覽了第一個(gè)頁(yè)面的內(nèi)容。Jones的之所以結(jié)果瀏覽0個(gè)頁(yè)面的人占大多數(shù)，主要是因?yàn)樗菆D書(shū)館的搜索引擎，通常在對(duì)圖書(shū)館書(shū)目檢索過(guò)程中用戶(hù)不需要打開(kāi)某個(gè)鏈接，在結(jié)果頁(yè)面上就可以直接找到所需答案。并且Jones發(fā)現(xiàn)大多數(shù)的用戶(hù)會(huì)不加任何修改地使用搜索引擎的默認(rèn)設(shè)置。Jansen在2003年文章中對(duì)用戶(hù)對(duì)搜索結(jié)果的查看情況進(jìn)行分析，主要包括查看的web文檔數(shù)，以及用戶(hù)瀏覽文檔與查詢(xún)?cè)~之間的聯(lián)系。每個(gè)用戶(hù)瀏覽的文檔的平均值為8.2，每個(gè)查詢(xún)?cè)~對(duì)應(yīng)瀏覽文檔的平均值為2.5。有趣的時(shí)，結(jié)果顯示，用戶(hù)的會(huì)話(huà)平均時(shí)長(zhǎng)為2小時(shí)21分55秒，與先前研究出入較大，Jones在1998年得出會(huì)話(huà)的平均長(zhǎng)度是10.83分。作者認(rèn)為是一些較長(zhǎng)的會(huì)話(huà)扭曲了研究結(jié)果。例如用戶(hù)并沒(méi)有關(guān)閉網(wǎng)頁(yè)就去干其他事情，導(dǎo)致出現(xiàn)了一些很長(zhǎng)又沒(méi)有意義的會(huì)話(huà)。由此可見(jiàn)對(duì)會(huì)話(huà)結(jié)束時(shí)間規(guī)定一個(gè)閥值是十分必要，例如用戶(hù)在5分鐘內(nèi)與系統(tǒng)沒(méi)有交互，我們則認(rèn)為會(huì)話(huà)結(jié)束。但是，52%的用戶(hù)會(huì)話(huà)時(shí)長(zhǎng)在15分鐘以?xún)?nèi)，這與先前的研究結(jié)果是一致的。最后，作者讓三個(gè)獨(dú)立的評(píng)審機(jī)構(gòu)對(duì)用戶(hù)瀏覽結(jié)果頁(yè)面和用戶(hù)查詢(xún)?cè)~的相關(guān)性就隨機(jī)抽出來(lái)530個(gè)URL進(jìn)行打分，結(jié)果顯示，52%的用戶(hù)的查詢(xún)結(jié)果和查詢(xún)?cè)~是相關(guān)的。

5 總結(jié)

本文對(duì)國(guó)內(nèi)外采用搜索日志分析的方法研究網(wǎng)絡(luò)搜索行為的文章進(jìn)行了簡(jiǎn)單的綜述。希望給讀者展現(xiàn)出整個(gè)領(lǐng)域的起源、發(fā)展、現(xiàn)狀和前沿方向，為后續(xù)研究該領(lǐng)域的學(xué)者提供借鑒和指導(dǎo)。第一部分對(duì)搜索日志的基本概念和發(fā)展起源進(jìn)行簡(jiǎn)單的介紹。第二部分介紹了Jansen的搜索日志分析方法的衡量指標(biāo)和步驟。第三部分總結(jié)了國(guó)內(nèi)外目前對(duì)對(duì)應(yīng)用搜索日志分析方法研究用戶(hù)行為的現(xiàn)狀。在討論部分，總結(jié)了用戶(hù)在術(shù)語(yǔ)，查詢(xún)?cè)~、會(huì)話(huà)方面的一些特征。

我們認(rèn)為未來(lái)的搜索日志分析可以從以下幾個(gè)方面來(lái)進(jìn)行：a.實(shí)時(shí)搜索引擎的日志分析，Jansen在2011[21]對(duì)實(shí)時(shí)搜索引擎Collecta的日志進(jìn)行分析，試圖分析作為搜索引擎前沿發(fā)展的實(shí)時(shí)搜索與傳統(tǒng)的搜索引擎的聯(lián)系和區(qū)別。主要研究實(shí)施搜索查詢(xún)?cè)~的分布特征以及實(shí)時(shí)查詢(xún)的經(jīng)濟(jì)價(jià)值。研究結(jié)果表明實(shí)時(shí)查詢(xún)中稀缺詞（Unique query，在數(shù)據(jù)庫(kù)中只出現(xiàn)一次）的比例只有30%，與傳統(tǒng)的搜索引擎相比較低。這表明在實(shí)時(shí)搜索時(shí)查詢(xún)?cè)~的更新速度非?？臁＿@與傳統(tǒng)搜索引擎不一致。在評(píng)估實(shí)時(shí)查詢(xún)的經(jīng)濟(jì)價(jià)值時(shí)采用Googel AdWards，結(jié)果顯示52%的實(shí)時(shí)查詢(xún)信息都會(huì)創(chuàng)造經(jīng)濟(jì)價(jià)值。但是，目前對(duì)實(shí)時(shí)搜索引擎的研究并不多見(jiàn)，我們可以把實(shí)時(shí)搜索引擎作為未來(lái)搜索日志分析的重要研究方向。b.隨著搜索引擎（例如谷歌）越來(lái)越國(guó)際化，一個(gè)搜索引擎不僅僅支持一種語(yǔ)言。但是一個(gè)引擎可能多其他語(yǔ)言的支持情況就不太理想。例如谷歌對(duì)中文的支持程度就不如百度。我們可以通過(guò)搜索日志分析來(lái)研究搜索引擎對(duì)多語(yǔ)言的支持機(jī)制。為引擎向支持多語(yǔ)言的方向發(fā)展提供指導(dǎo)性建議c.現(xiàn)在很多手機(jī)都支持語(yǔ)音輸入查詢(xún)，語(yǔ)音輸入和用戶(hù)輸入有很大不同，很多都是自然語(yǔ)言。而隨著高端智能手機(jī)的普及。語(yǔ)言查詢(xún)所占的查詢(xún)比例越來(lái)越搞。但是對(duì)語(yǔ)音輸入查詢(xún)串的研究只有Yi在2011年的研究中有提到。所以我們的搜索日志分析有必要對(duì)語(yǔ)音輸入的查詢(xún)進(jìn)行專(zhuān)門(mén)的研究。d.搜索日志分析方法可以應(yīng)用到信息偶遇研究中，信息偶遇是指用戶(hù)在做一件事情的時(shí)候偶遇碰到自己所需要的信息[22]。我們可以通過(guò)對(duì)搜索日志進(jìn)行分析，清楚的界定信息偶遇的整個(gè)過(guò)程，從而更好地把握信息偶遇的內(nèi)涵和特征。

參考文獻(xiàn)：

[1] 第42次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告（R）.中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC），2018年8月。

[2] Jiang T. Characterizing and Evaluating Users' Information Seeking Behavior in Social Tagging Systems[D]. University of Pittsburgh， 2011.

[3] Booth D， Jansen B J. A review of methodologies for analyzing websites[J]. Handbook of Research on Web Log Analysis. Information Science Reference， 2009： 143-164.

[4] Jansen B J. Search log analysis： What it is， what's been done， how to do it[J]. Library & information science research， 2006， 28（3）：407-432.

[5] Jansen B J. The methodology of search log analysis[M]// Jansen B J， Spink A， Taksa I. Handbook of research on Web log analysis. Hershey， PA： Idea Group Inc.， 2008：99-121.

[6] G?ker A， He D. Analysing Web search logs to determine session boundaries for user-oriented learning[C]// Proceedings of the International Conference of Adaptive Hypermedia and Adaptive Web-based Systems， 2000：319-322.

[7] Bendersky M， Croft W B. Analysis of long queries in a large scale search log[C]// Proceedings of the 2009 Workshop on Web Search Click Data， 2009：8-14.

[8] Jones R， Bartz K， Subasic P， Rey B. Automatically generating related queries in Japanese[J]. Language Resources and Evaluation， 2006， 40（3-4）：219-232.

[9] Jones S， Cunningham S J， McNab R， Boddie S. A transaction log analysis of a digital library[J]. International Journal on Digital Libraries， 2000， 3（2）：152-169.

[10] Silverstein C， Henzinger M， Marais H， Moricz M. Analysis of a very large Web search engine query log[J]. SIGIR Forum， 1999， 33（1）：6–12.

[11] 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 & Management， 2000， 36（2）：207-227.

[12] Jansen B J， Spink A， Pedersen J O. The Effect of Specialized Multimedia Collections on Web Searching[J]. Journal of Web Engineering， 2004， 3（3-4）：182-199.

[13] Jansen B J， Spink A， Pedersen J. A temporal comparison of AltaVista Web searching[J]. Journal of the American Society for Information Science and Technology， 2005， 56（6）：559-570.

[14] 陳紅濤. 基于搜索日志的用戶(hù)行為研究及應(yīng)用[D]. 北京郵電大學(xué)， 2007.

[15] Chau M， Fang X， Yang C C. Web searching in Chinese： A study of a search engine in Hong Kong[J]. Journal of the American Society for Information Science and Technology， 2007， 58（7）：1044-1054.

[16] 余慧佳， 劉奕群， 張敏， 等. 基于大規(guī)模日志分析的搜索引擎用戶(hù)行為分析[J]. 中文信息學(xué)報(bào)， 2007， 21（1）： 109-114.

[17] Zhang Y， Jansen B J， Spink A. Time series analysis of a Web search engine transaction log[J]. Information Processing & Management， 2009， 45（2）： 230-245.

[18] 黃日茂， 葉琳莉. 基于日志分析的用戶(hù)搜索行為研究[J]. 莆田學(xué)院學(xué)報(bào)， 2010， 17（2）：70-73.

[19] 董志安， 呂學(xué)強(qiáng). 基于百度搜索日志的用戶(hù)行為分析[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2013， 30（7）： 17-20.

[20] 王建勇， 單松巍， 雷鳴，等. 海量Web搜索引擎系統(tǒng)中用戶(hù)行為的分布特征及其啟示[J]. 中國(guó)科學(xué)：技術(shù)科學(xué)， 2001， 31（4）：372-384.

[21]Jansen B J， Liu Z， Weaver C， et al. Real time search on the web： Queries， topics， and economic value[J]. Information Processing & Management， 2011， 47（4）： 491-506.

[22]Erdelez S. Investigation of information encountering in the controlled research environment[J]. Information Processing & Management， 2004， 40（6）：1013-1025.

【通聯(lián)編輯：梁書(shū)】