【摘要】作为能引导用户表达信息需求的机制,查询重构主要基于用户所提交的历史查询来生成相关候选查询重构列表。为了使得候选查询能与用户最初意图保持一致,当前大多数的查询重构方法方法是根据查询词之间的共现信息来获得查询词的上下文信息,再利用上下文的相似性来生成候选查询推荐,最后通过对查询中词之间的语义一致性建模来对实现候选查询进行排序。而本文中以利用嵌入方法来实现个性化查询重构,即首先利用查询词嵌入技术为每个查询获得该词上下文信息的词向量,再利用词向量进一步构建表征用户偏好的向量,从而基于词向量与用户向量实现根据用户偏好生成候选查询;本文进一步采用主题嵌入来抽取每个潜在主题的上下文信息,最后利用隐马尔可夫模型(HMM)融合词向量、用户向量和主题向量来实现根据用户偏好对候选查询的排序。实验结果表明,本文的方法优于已有相关方法。