摘要：单个用户历史搜索点击数据具有稀疏性特点,容易导致查询推荐不准确和无法提供多样性查询的问题。为此,提出将每个用户的查询日志作为文档,利用空间向量模型计算文档间的相似度,并将用户在历史数据中对链接的点击频率作为对链接的偏好评分,采用改进的欧氏距离计算用户的最近邻居,计算出当前用户的相似用户集,将相似用户历史行为数据扩充到单个用户数据中。基于朴素贝叶斯模型训练数据并预测查询-链接的点击率,将其作为权重用于点击图中,应用点击传播产生查询推荐。实验结果证明该方法可获得较高的准确度和平均精度均值。