基于聚類與局部共現(xiàn)的相關(guān)反饋方法研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展導(dǎo)致了互聯(lián)網(wǎng)上的信息量與日俱增。如何從互聯(lián)網(wǎng)上獲取用戶所需要的信息已經(jīng)成為了一個(gè)熱門問題。在這個(gè)背景下,信息檢索技術(shù)發(fā)展起來了。針對(duì)信息檢索中,文檔和查詢之間的詞不匹配問題,大量的研究顯示基于查詢擴(kuò)展的相關(guān)反饋是這個(gè)問題的一個(gè)很好的解決方案,并且能夠很好的提高信息檢索系統(tǒng)的性能。
　　大部分傳統(tǒng)的查詢擴(kuò)展算法都假設(shè)初始檢索結(jié)果集中排序靠前的N篇文檔是相關(guān)的,然后利用這些文檔作為反饋文檔集來進(jìn)行查詢擴(kuò)展獲取擴(kuò)展詞。然

2、而,這些反饋文檔中包含著大量的噪音,很有可能使生成的新查詢偏離查詢主題,導(dǎo)致查詢漂移。文檔聚類可以將初始檢索結(jié)果集中相關(guān)的文檔聚集在一起,從而可以從中找到相關(guān)的文檔,去掉不相關(guān)的文檔,獲取更好的反饋文檔集。
　　同時(shí)大部分傳統(tǒng)的查詢擴(kuò)展算法是基于反饋文檔集中索引詞的權(quán)重來選取擴(kuò)展詞。這種做法并沒有很好的考慮反饋文檔集中索引詞和查詢之間的關(guān)聯(lián)性,很有可能獲取到與查詢主題不相關(guān)的擴(kuò)展詞,影響到擴(kuò)展詞的質(zhì)量,進(jìn)而對(duì)信息檢索的效果產(chǎn)生負(fù)面