卡方技術在企業搜索引擎角色信息分析中的運用論文

時間：2024-06-14 20:20:45 其他類論文我要投稿

　　對于少于 1 000 人的企業單位，60% 的員工認為在企業信息化平臺中找到自己想要的數據是非常困難的。

卡方技術在企業搜索引擎角色信息分析中的運用論文

　　而在公司人數超過 1 000 人的情況下，認為獲取不到自己想要數據的員工竟然達到公司人數的 77%.因此，企業的規模越大，企業的人數越多，企業信息化平臺中產生的數據量就越多，員工查找信息就更加困難。根據調查顯示，對于少于 1 000 人的企業里，有 67% 的員工認為找到所需的信息對企業的發展是有影響的，而對于多于 1 000 人的企業中，這個數字竟然高達 89%.在大中型企業中，每天有 70% 的員工耗費 1 ~ 2 小時來查找所需要的信息，加大了企業的成本，尤其是用戶想要查看已經離職員工之前記錄的信息，由于人員已經離開，想要查找對應信息的難度加大，搜索耗費的時間就更長。

　　傳統企業搜索引擎雖然在一定程度上已經解決該問題。然而，不同角色的用戶有著不同的需求，例如，財務角色的用戶和銷售角色的用戶對于相同的查詢詞會有不同的需求。本文提出采用卡方的方法進行角色信息的分析，使不同角色的用戶雖采用相同的查詢詞，但得到與其角色更相關的信息。

　　1 基于卡方的角色分析理論

　　企業內部每個用戶在不同系統中的職位不一樣，對于相同角色下的用戶，偏好可能相同，如角色 A 下的用戶關注財務信息，經常搜索和點擊財務方面的數據。當角色 A 下的其他用戶搜索時，如果查詢詞跟 A 輸入的查詢詞相關時，根據 LUCENE,獲取文檔應排在后面，但根據角色信息，角色 A 下的用戶點擊過多的文檔應排在前面，這樣就隱含地為用戶推送了相關文檔。針對這個可能性，進行角色分析。【1】

　　其中，N 是一個定值，系統的數據條目數；A 代表在某角色中文檔包含該詞的篇數；B 代表在該角色中文檔沒有包含該詞的篇數；C 代表的是不在該角色下有多少篇文檔包含該詞；D 代表的是不在該角色下有多少篇文檔沒有包含該詞；而 A+C 是一個定值，B+D 也是一個定值，因此公式（1）可以簡化，如下所示：【2】

　　2 基于卡方的角色分析理論算法過程

　　因為企業中有多個系統，分系統考慮，統計一個系統下所有角色對應的特征詞。

　　第一步獲取某系統下的所有數據，獲取文檔對應的用戶以及角色，并對正文部分進行分詞。

　　第二步獲取角色 A 在該系統下的所有數據并分詞。

　　第三步對角色 A 下的每個詞 T,統計詞 T 在該角色下出現的樣本頻率，獲取詞 T 在該角色中沒有出現的樣本頻率，獲取詞 T 不在該角色下出現的樣本頻率，獲取詞 T 不在該角色下沒有出現的樣本頻率。

　　第四步，根據公式（2）計算該系統下角色 A 中詞T 的權重；獲取每個系統下的每個角色對應的特征詞，并保存。

　　第五步獲取用戶所能訪問系統中角色對應的特征詞，并根據特征詞進行全文檢索，獲取排名前300的文檔。

　　當獲取某系統下角色 A 權重最大的 10 個詞時，需考慮特征詞在該系統下所有角色中出現的次數，如果次數大于角色個數的一個比值時，則這樣的詞排除掉，因為這樣的詞不具有特性。

　　當用戶查詢時，根據輸入查詢詞，得到搜索結果，分析前 300 篇文檔中是否包含該文檔，如果包含，則將文檔的分數提高。

　　3 結語

　　針對目前企業搜索中存在的問題，不同角色的用戶有著不同的需求，本文提出基于卡方的角色分析方法，使不同角色的用戶雖采用相同的查詢詞，但得到與其角色更相關的信息。該方法已經應用在實際平臺中，進一步證明了該方法的有效性。

　　參考文獻