信息檢索中相關(guān)反饋算法的研究.pdf

1、信息檢索是關(guān)于信息的結(jié)構(gòu)、分析、組織、存儲(chǔ)、搜索和檢索的領(lǐng)域。概括的說,信息檢索就是從非結(jié)構(gòu)化的信息集合中找出與用戶需求相關(guān)的信息。信息檢索的一個(gè)核心問題是注重用戶和他們的信息需求,因?yàn)閷?duì)搜索的評(píng)價(jià)是以用戶為中心的。這種理念引發(fā)了大量關(guān)于人們?cè)鯓优c搜索引擎進(jìn)行交互的研究,特別是開發(fā)幫助用戶表達(dá)他們的信息需求的技術(shù)。
　　在用戶參與的檢索過程中,用戶提交一個(gè)簡(jiǎn)短的查詢,系統(tǒng)返回初次查詢結(jié)果,用戶對(duì)部分結(jié)果進(jìn)行標(biāo)注,標(biāo)注為相關(guān)或不相關(guān)

2、,系統(tǒng)基于用戶的反饋計(jì)算出一個(gè)更好的查詢來表示信息需求,并重新返回一批更有可能滿足用戶需求的新的檢索結(jié)果,這個(gè)過程叫做相關(guān)反饋。在信息檢索過程中使用相關(guān)反饋技術(shù)能夠優(yōu)化查詢結(jié)果,提高查詢效率。
　　本文從介紹相關(guān)反饋技術(shù)的現(xiàn)狀出發(fā),給出了相關(guān)反饋技術(shù)的有關(guān)算法,包括向量空間模型,概率模型和布爾模型中的相關(guān)反饋技術(shù)。其中,以基于向量空間模型的Rocchio相關(guān)反饋算法為主,詳細(xì)介紹了該算法的思想和執(zhí)行過程及其在某些特定情況下查詢效果

3、不好的現(xiàn)象,如某個(gè)查詢的答案集合本身就需要不同類的文檔來組成和通常以多個(gè)具體概念的或關(guān)系來出現(xiàn)的詞這兩個(gè)方面,對(duì)Rocchio相關(guān)反饋算法進(jìn)行改進(jìn),使該算法在這兩種特殊情況下也能得到好的返回結(jié)果。
　　本文就此做了以下貢獻(xiàn):
　　(1)在查詢語句包含多條件內(nèi)容時(shí),根據(jù) Rocchio相關(guān)反饋算法的思想,提出了將包含有兩個(gè)條件信息的文檔集看成新的交叉類,在交叉類范圍內(nèi),從離初始查詢最近的質(zhì)心開始,向著另一個(gè)質(zhì)心不斷移動(dòng),在此過

4、程中找到理想結(jié)果。改進(jìn)后的Rocchio相關(guān)反饋算法能夠有效解決多條件查詢時(shí)返回結(jié)果不理想的狀況。
　　(2)在多義詞查詢時(shí),系統(tǒng)返回的結(jié)果往往混亂無序,本文設(shè)計(jì)了一種對(duì)結(jié)果屬性進(jìn)行聚類的算法:層次收縮算法。該算法首先獲取系統(tǒng)返回結(jié)果的關(guān)鍵詞,用布爾矩陣表達(dá),然后以文檔間關(guān)鍵詞個(gè)數(shù)作為度量方式,計(jì)算文檔間相似度,按照文檔間相似度,以合取方式將文檔層次合并,聚類結(jié)束后提取返回的標(biāo)簽。在不考慮召回率的情況下,該算法的最終結(jié)果收斂于對(duì)簇