實體關(guān)系網(wǎng)中專家搜索的排序?qū)W習(xí)問題研究.pdf

1、近年來以實體搜索為特點的專業(yè)搜索引擎的競爭在如火如荼的上演，實體搜索技術(shù)的研究與應(yīng)用已成為信息檢索領(lǐng)域一個新的關(guān)注焦點。作為這種新搜索模式的典型代表，給出一個搜索關(guān)鍵詞，專家搜索系統(tǒng)找出一些相關(guān)的專家而不是相關(guān)的文檔或網(wǎng)頁?？梢哉f專家搜索引擎能夠直接滿足特定領(lǐng)域和范圍用戶的特殊信息搜索需求，這些需求是傳統(tǒng)的網(wǎng)頁級別信息檢索方式很難滿足的。專家搜索技術(shù)的研究將更直接地方便人們在生活、學(xué)習(xí)、科技開發(fā)、商用等各個領(lǐng)域的活動和工作。
　　

2、 專家搜索的核心技術(shù)是專家排序問題，即在大規(guī)模數(shù)據(jù)中如何對與查詢相關(guān)的專家進行排序。近些年基于機器學(xué)習(xí)理論的排序?qū)W習(xí)方法越來越多的應(yīng)用到信息檢索中來解決排序問題。排序?qū)W習(xí)是通過對已標(biāo)注數(shù)據(jù)進行學(xué)習(xí)，以在訓(xùn)練數(shù)據(jù)上經(jīng)驗風(fēng)險最小作為優(yōu)化目標(biāo)，由此得到的排序模型來對未知數(shù)據(jù)進行排序預(yù)測。目前用于信息檢索的排序?qū)W習(xí)方法建立在基于文本內(nèi)容的信息檢索模型之上，即假設(shè)待排序樣本間沒有關(guān)聯(lián)，排序特征主要來源于文檔自身的描述信息。
　　 專家搜

3、索作為一種新的搜索模式，其信息的組織方式和搜索性質(zhì)與傳統(tǒng)的信息檢索不同。通過對專家搜索的整體過程進行分析，我們發(fā)現(xiàn)專家搜索中存在著由信息組織方式導(dǎo)致的同源樣本間排序相關(guān)性以及由權(quán)威性搜索導(dǎo)致的樣本間排序相關(guān)性。在真實數(shù)據(jù)實驗中我們進一步發(fā)現(xiàn)這些基于實體關(guān)系的樣本間排序相關(guān)性出現(xiàn)頻率較高，如果簡單的忽視這類信息可能丟失大量對搜索任務(wù)有效的信息，這是傳統(tǒng)基于文本內(nèi)容信息檢索方法所不能彌補的。因此，將傳統(tǒng)信息檢索中基于文本內(nèi)容排序?qū)W習(xí)模型直接

4、用于專家搜索并不能很好的解決這一問題。
　　 針對于專家搜索的特性，本文首次提出了實體關(guān)系網(wǎng)中專家搜索的排序?qū)W習(xí)問題，并對這一問題描述為這樣的形式y(tǒng)=f(h，R)，其中h表示基于文本內(nèi)容的信息對專家排序的作用，R表示實體間關(guān)系對專家排序的作用，最終的排序模型f為融合基于文本內(nèi)容和基于實體關(guān)系兩類信息的綜合的模型。本文還指出專家搜索中實體間關(guān)系模型R是在同類實體內(nèi)部關(guān)系以及不同類實體的類間關(guān)系綜合作用的結(jié)果，h、R以及兩者合并的方

5、式f都是未知的情況；同時針對這一問題提出了本文的解決思路：先確定實體關(guān)系網(wǎng)的作用方式R，然后設(shè)定基于文本內(nèi)容的作用方式為線性排序模型的形式h(x;ω)，之后通過尋找兩者較優(yōu)的融合方式進一步確定最終的排序模型f(h，R)；在此基礎(chǔ)上本文進一步提出了適用于實體關(guān)系網(wǎng)中專家搜索框架。
　　 針對于專家搜索中實體關(guān)系網(wǎng)的作用方式，本文首次提出與查詢相關(guān)實體權(quán)威度概念用于描述實體關(guān)系網(wǎng)的作用；同時在此基礎(chǔ)上提出與查詢相關(guān)實體權(quán)威度關(guān)系模型

6、，該模型旨在通過模擬給定查詢下樣本間實體權(quán)威度傳播的過程來對專家搜索中實體關(guān)系網(wǎng)的作用進行定性定量描述；接著本文迸一步提出一種基于齊次馬氏鏈的方法用于求解給定查詢下相關(guān)專家的實體權(quán)威度。
　　 本文的研究目標(biāo)為構(gòu)建適用于實體關(guān)系網(wǎng)中專家搜索的排序?qū)W習(xí)模型。針對這一目標(biāo)，本文首次提出了一種基于Boosting思想的實體關(guān)系網(wǎng)中專家搜索的排序?qū)W習(xí)模型。一方面該模型提供了一種多排序器集成的機制，有效的融合了基于本文內(nèi)容的信息和基于實體

7、關(guān)系的信息，使得兩類信息協(xié)作地完成專家排序任務(wù)；另一方面來看，該模型繼承Boosting算法的優(yōu)點，通過迭代融合的方式逐步提高算法的排序精度，使得最終模型具有較高的排序性能。
　　 除此之外，本文在真實數(shù)據(jù)集上完成整個論文中的實驗，實現(xiàn)了從原始網(wǎng)頁數(shù)據(jù)到得到專家搜索結(jié)果的全部過程。本文實驗部分涉及到專家搜索數(shù)據(jù)準(zhǔn)備部分、命名實體抽取部分、相關(guān)實體獲取部分以及實體排序部分。最終實驗結(jié)果表明本文所提出的實體關(guān)系網(wǎng)中專家搜索的排序?qū)W習(xí)