信息檢索結(jié)果優(yōu)化研究.pdf

1、信息檢索是中文信息處理中的一項(xiàng)重要課題，其內(nèi)容涉及到術(shù)語(yǔ)抽取、詞義消歧、句法分析等方方面面，同時(shí)在機(jī)器問答、自動(dòng)文摘、統(tǒng)計(jì)機(jī)器翻譯等各領(lǐng)域又有著廣泛的應(yīng)用。為了減小信息檢索過(guò)程中的因?yàn)橹形亩鄻有?，模糊性等一些不確定性因素帶來(lái)的消極影響，信息檢索的優(yōu)化就成為了該領(lǐng)域的研究重點(diǎn)與發(fā)展動(dòng)力。 信息檢索的優(yōu)化包括檢索模型、分詞粒度、查詢擴(kuò)展、結(jié)果重排等方面，本文在分析比較了各優(yōu)化因素所帶來(lái)的影響后，對(duì)結(jié)果重排進(jìn)行了較為詳細(xì)的分析與研究。

2、主要的工作包括以下幾個(gè)方面： 第一，深入研究了信息檢索結(jié)果優(yōu)化的方案，并設(shè)計(jì)實(shí)驗(yàn)比較了不同優(yōu)化因素為檢索效果帶來(lái)的影響，為該領(lǐng)域提供了一定的基礎(chǔ)研究數(shù)據(jù)。 第二，提出了一套基于主題詞對(duì)的信息檢索結(jié)果重排策略，詳細(xì)分析了主題詞對(duì)的語(yǔ)言特性，利用概率潛在語(yǔ)義分析獲取主題詞對(duì)，進(jìn)而根據(jù)主題詞對(duì)在文檔中的分布狀況對(duì)其進(jìn)行重排。為信息檢索領(lǐng)域的優(yōu)化研究提供了一種有效的方案與研究思路。 第三，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)重排的原型系統(tǒng)，從

3、詞對(duì)的視角出發(fā)去聚焦查詢主題，通過(guò)詞對(duì)在文檔中的分布狀況重新判斷查詢與文檔的相關(guān)程度，減小了查詢擴(kuò)展時(shí)對(duì)查詢主題向單方向無(wú)限延伸的可能性。 綜合運(yùn)用論文中研究的方法，對(duì)NTCIR-5中文信息檢索的文檔集合進(jìn)行測(cè)試，采用TREC標(biāo)準(zhǔn)評(píng)估方法，結(jié)果顯示本文方法優(yōu)于傳統(tǒng)偽相關(guān)反饋方法，采用該方法使得精確率在rigid和relax結(jié)果集上相比首次檢索的結(jié)果分別提高了76.0％和58.8％。同時(shí)發(fā)現(xiàn)該方法的核心主題詞對(duì)的選擇并不依賴于特定