Клики пользователей на результаты веб-поиска являются очень важной информацией для поисковиков. Клики могут дать представление о том, какие результаты заинтересовали пользователя, а какие нет. Поисковики используют эту информацию для того, чтобы оценивать и улучшать качество поиска.

Исследования показали, что кликовое поведение пользователей (т.е. то, как пользователи кликают на результаты поиска) зависит от многих факторов, и далеко не только от качества этих результатов. Например, чем выше позиция сниппета в списке результатов, тем выше вероятность, что пользователь кликнет на этот сниппет.

Чтобы понять и описать кликовое поведение пользователей, были предложены кликовые модели. Кликовая модель обычно состоит из набора вероятностей (например, пользователь кликает на первый результат с вероятностью a_1, пользователь переходит ко второму результату с вероятностью e_2 и т.д.). Эти вероятности обучаются на кликах, которые логируются поисковиками. Обученная кликовая модель помогает лучше понять, как именно пользователи кликают на результаты поиска, переводит шумные клики в показатели качества сниппетов, может предсказывать клики и т.д.

В этой лекции мы рассмотрим несколько базовых кликовых моделей, используемых в веб-поиске. Мы увидим, из чего состоит кликовая модель (случайные события, условные вероятности и т.д.) и как обучить такую модель на кликах. Теоретический материал будет сопровождаться практическими примерами с использованием кликового лога Яндекса и библиотеки PyClick (https://github.com/markovi/PyClick). Дополнительные материалы по кликовым моделям, включая книгу, на которой основана лекция, доступны онлайн: http://clickmodels.weebly.com.

Другие материалы по теме (книга, туториалы, ссылки на код) собраны здесь: http://clickmodels.weebly.com