摘要：[目的/意义] 通过抽取有效分类特征，实现对学术搜索情境下困难搜索的自动识别。[方法/过程]人工标注万方数据库用户行为日志数据中的1125个搜索会话；从查询表达式、用户单类行为、用户多类行为间转换3个维度提出分类特征；对比分析所提出分类特征在GBDT、神经网络、LightGBM及XGboost 4种分类模型中的分类效果。[结果/结论]提出的特征集合能有效识别困难搜索，且优于已有研究中所提出的特征；提出的3类特征集合具有一定的独立分类效果，且相对其他两类分类集合，基于用户单类行为的特征在多数情况下取得了最好的实验性能。[局限]由于公开可用数据集的有限性，本研究只在一个数据集上对所提出特征进行了验证；分类特征来源于日志数据，故无法覆盖用户生理、心理所反映的特征；人工标注效率低导致数据集有限。
关键词：学术搜索;困难搜索识别;万方日志分析;搜索会话;分类特征提取
【本文第一作者系四川大学公共管理学院副教授。论文系国家社会科学基金一般项目“时间感知的个性化学术文献引文推荐研究”的成果，项目编号：21BTQ072。】
