《A Dynamic Bayesian Network Click Model for Web Search Ranking 》

簡述：動態貝葉斯網路點擊模型，yahoo兩個工程師發表的。

實際上就是講述了一些搜索引擎中基本的經驗與假設，簡單但是很有用。

它不同於position model和級聯 model，它不但考慮position bias，也考慮結果與結果之間的的影響。將點擊，檢查等行為看作一個網狀結構，是一個稍稍複雜的隱性馬爾科夫模型（HMM）。主要核心就在於一個網路圖和一些基礎假設。這些假設給定的很合理，如下：

最後可以推導出一個url的評估標準 = 感知相關性*真實相關性，即用戶被吸引的概率*被滿足的概率，其實就是一個級聯運算。

後面又介紹了一個簡單的應用。假設用戶的容忍度為1，即若不滿意則會一直查找下去，這樣就不用考慮馬爾科夫中的一維狀態，減小了計算量。同時使得結尾點擊是滿意點擊。

這樣就有：感知相關性 = 點擊數/檢查數，真實相關性 = 滿意點擊數/點擊數 （以上兩個式子還要考慮平滑處理）

推薦閱讀：