Abstract In information retrieval, query auto completion (QAC), also known as type-ahead [Xiao et al., 2013, Cai et al., 2014b] and auto-complete suggestion [Jain and Mishne, 2010], refers to the following functionality: given a prefix consisting of a number of characters entered into a search box, the user interface proposes alternative ways of extending the prefix to a full query. Ranking query completions is a challenging task due to the limited length of prefixes entered by users, the large volume of possible query completions matching a prefix, and the broad range of possible search intents. In recent years, a large number of query auto completion approaches have been proposed that produce ranked lists of alternative query completions by mining query logs. In this survey, we review work on query auto completion that has been published before 2016. We focus mainly on web search and provide a formal definition of the query auto completion problem. We describe two dominant families of approaches to the query auto completion problem, one based on heuristic models and the other based on learning to rank. We also identify dominant trends in published work on query auto completion, viz. the use of time-sensitive signals and the use of user-specific signals. We describe the datasets and metrics that are used to evaluate algorithms for query auto completion. We also devote a chapter to efficiency and a chapter to presentation and interaction aspects of query auto completion. We end by discussing related tasks as well as potential research directions to further the area.

摘要在信息检索中，查询自动完成（QAC）也称为预先输入[Xiao等，2013； Cai等，2014b]和自动完成建议[Jain and Mishne，2010]，涉及以下内容：功能：给定前缀由在搜索框中输入的许多字符组成，用户界面提出了将前缀扩展到完整查询的替代方法。由于用户输入的前缀长度有限，与前缀匹配的大量可能的查询完成以及可能的搜索意图范围很大，因此对查询完成进行排名是一项具有挑战性的任务。近年来，已经提出了许多查询自动完成方法，这些方法通过挖掘查询日志来生成替代查询完成的排名列表。在此调查中，我们回顾了2016年之前发布的关于查询自动完成的工作。我们主要专注于网络搜索，并提供对查询自动完成问题的正式定义。我们描述了两种主要的查询自动完成问题方法，一种基于启发式模型，另一种基于学习排名。我们还确定了有关查询自动完成的已发布工作的主要趋势，即。时间敏感信号的使用和用户特定信号的使用。我们描述了用于评估查询自动完成算法的数据集和指标。我们还将一章专门介绍效率，而一章专门介绍查询自动完成的呈现和交互方面。最后，我们讨论相关的任务以及进一步研究该领域的潜在研究方向。我们描述了两种主要的查询自动完成问题方法，一种基于启发式模型，另一种基于学习排名。我们还确定了有关查询自动完成的已发布工作的主要趋势，即。时间敏感信号的使用和用户特定信号的使用。我们描述了用于评估查询自动完成算法的数据集和指标。我们还将一章专门介绍效率，而一章专门介绍查询自动完成的呈现和交互方面。最后，我们讨论相关的任务以及进一步研究该领域的潜在研究方向。我们描述了两种主要的查询自动完成问题方法，一种基于启发式模型，另一种基于学习排名。我们还确定了有关查询自动完成的已发布工作的主要趋势，即。时间敏感信号的使用和用户特定信号的使用。我们描述了用于评估查询自动完成算法的数据集和指标。我们还将一章专门介绍效率，而一章专门介绍查询自动完成的呈现和交互方面。最后，我们讨论相关的任务以及进一步研究该领域的潜在研究方向。时间敏感信号的使用和用户特定信号的使用。我们描述了用于评估查询自动完成算法的数据集和指标。我们还将一章专门介绍效率，而一章专门介绍查询自动完成的呈现和交互方面。最后，我们讨论相关的任务以及进一步研究该领域的潜在研究方向。时间敏感信号的使用和用户特定信号的使用。我们描述了用于评估查询自动完成算法的数据集和指标。我们还将一章专门介绍效率，而一章专门介绍查询自动完成的呈现和交互方面。最后，我们讨论相关的任务以及进一步研究该领域的潜在研究方向。