基于語言模型的信息檢索中負反饋技術(shù)的研究與實現(xiàn).pdf

1、21世紀(jì)是網(wǎng)絡(luò)經(jīng)濟的時代,伴隨著互聯(lián)網(wǎng)的迅速發(fā)展,internet上的信息量在不斷增加,然而如何從浩瀚的信息海洋中得到所需要的信息就顯得更加有意義。
　　 在信息檢索中,搜索引擎使用排序算法對被檢索文檔根據(jù)與查詢的相關(guān)性大小進行排序,研究者們提出了關(guān)于相關(guān)性的數(shù)學(xué)檢索模型。語言模型是目前性能較好的模型。對于困難查詢(difficult query)來說,檢索結(jié)果較差并且排序靠前的文檔很少有與用戶需求相關(guān)的,怎樣在語言模型下使用那

2、些不相關(guān)的信息來提高檢索精度呢?就提出了相關(guān)反饋技術(shù)的特殊情形即負反饋技術(shù)。
　　 本文主要提出了基于語言模型的信息檢索中正相關(guān)反饋和負反饋相結(jié)合的方法,在語言模型框架下應(yīng)用類似于向量空間模型中的Rocchio反饋方法的反饋算法,對查詢進行擴展和查詢詞的概率進行修改。本文主要考慮初次檢索結(jié)果的前十個文檔,作為查詢擴展的局部文檔情形,一般傳統(tǒng)地認(rèn)為這十個文檔都是相關(guān)文檔,用來進行偽相關(guān)性反饋。本文是將前十個文檔分開考慮,根據(jù)與標(biāo)準(zhǔn)