对 Web 搜索结果的个性化进行量化，发现 11.7％到 15.8％的结果表现出了个性化，而仅使用已登录的帐户和搜索用户的 IP 地址才导致了可测量的个性化结果。

Jun, 2017

本文针对搜索个性化提出一种新的嵌入式方法，利用用户的专业兴趣空间对用户进行嵌入和学习，实现对用户兴趣的表达和搜索个性化，并在商业网页搜索引擎的查询日志实验中，证明本方法的性能比其他强基线模型更好。

Dec, 2016

本文探讨了个性化推荐系统的个人化能力，为用户个人化生成精准和高效的推荐提供了信息检索和用户个人资料的帮助，并讨论了个人化趋势，技术和应用。

Mar, 2015

本文介绍了一种称为 Query Understanding 的语义搜索方法，针对电子商务搜索，提出了一种简化的本体框架，探讨了基于该框架的商品分类自动提取方法，并进行了绩效比较。

Jul, 2018

本研究介绍和探讨了个性化隐私经济学，其中人们可以选择以持续或按需方式分享个人信息，以换取在网上服务质量方面的预期提高，并在网页搜索的情况下，制定了现实目标函数以实现效用和隐私的平衡，并通过一项规模较大的调查，评估了用户对隐私和效用的偏好。

Jan, 2014

本文介绍了使用 Word Embedding（word2vec）在个性化信息检索上进行查询扩展的初步工作，通过对用户档案进行学习，实现了个性化的词嵌入学习以获取和用户兴趣相同的上下文，该方案在 CLEF Social Book Search 2016 集合上评估，结果表明在个性化信息检索上应对 Word Embedding 应用进行一些努力。

Jun, 2016

本文提出了一种基于主观注释的新型监督学习方法来学习统计句子相关性模型，该模型由大规模背景知识语料库中的文本单位关联的参数化共现统计信息组成，并提出了一种高效的算法来从相关性偏好的训练样本中学习语义模型，方法独立于语料库、适用于任何足够大的（非结构化）文本集合，并且可以为特定用户或用户组拟合语义模型。通过广泛的小到大规模实验结果表明，这种方法是有效的，竞争力强。

Nov, 2013

研究如何通过建立新模型来识别用户意图，以提高自然语言处理、查询分析、查询建议和排序等搜索引擎任务的效果。

May, 2020

本文介绍了语义扩展检索系统中影响最大的语义关联作用，并提出在准确性和噪音引入之间寻找最佳平衡的方案，最后通过构建自然语言处理系统并利用系统的多种知识资源进行评估。

Mar, 2022

本文探讨了基于本体论的语义相似性计算在推荐系统中的应用。

May, 2022