基于查詢子意圖識別的檢索結(jié)果多樣化方法研究.pdf

1、互聯(lián)網(wǎng)的飛速發(fā)展使得人類的信息總量呈現(xiàn)出指數(shù)級增長的趨勢,為了使用戶能夠更快更準(zhǔn)確地在海量的資源中找到與當(dāng)前需求相關(guān)的信息,信息檢索技術(shù)應(yīng)運(yùn)而生。目前,搜索引擎作為信息檢索的一個(gè)重要應(yīng)用已經(jīng)成為人們?nèi)粘９ぷ魃钪胁豢色@取的工具,它對用戶提交的代表其搜索意圖的查詢詞進(jìn)行檢索并按照文檔與查詢詞的相似度的大小關(guān)系作為返回相關(guān)文檔的排列順序。然而,相同的查詢詞對于不同的用戶來說所代表的查詢意圖可能并不相同,造成這個(gè)結(jié)果的原因主要有兩個(gè):一是查詢

2、詞可能存在著歧義性,二是查詢詞下可能涵蓋著多個(gè)子意圖。因此,僅僅考慮相似度的檢索方式會使某些用戶的需求不會被滿足,檢索結(jié)果應(yīng)該考慮用戶的多樣化需求。為了滿足用戶的多樣化需求,本文對檢索結(jié)果多樣化問題進(jìn)行研究,提出了基于查詢子意圖識別的多樣化方法,充分考慮返回文檔集合與用戶查詢意圖的相關(guān)性和返回文檔之間的多樣性。
　　本文中的基于查詢子意圖識別的多樣化方法是在傳統(tǒng)的顯式多樣化方法和隱式多樣化方法的基礎(chǔ)上發(fā)展而來的,兼有顯式多樣化方法

3、中對原始查詢下不同的子意圖進(jìn)行顯式覆蓋和隱式多樣化方法中降低返回文檔集合的冗余性的特性。方法中主要包括原始查詢下的不同子意圖的識別,不同子意圖的權(quán)重大小關(guān)系預(yù)測和利用不同權(quán)重的子意圖進(jìn)行多樣化結(jié)果排序三個(gè)方面。
　　因此本文主要從以下幾個(gè)方面展開研究:
　　1.對原始查詢下的不同子意圖進(jìn)行顯示挖掘。將商業(yè)搜索引擎給出的與原始查詢相關(guān)的Related查詢和Suggested查詢作為候選子查詢,并利用人工標(biāo)注的方式將不同的候選子

4、查詢劃分為不同的子意圖。同時(shí),與其它三種挖掘候選子查詢的方式進(jìn)行性能比較,證明了我們使用的方法的有效性。
　　2.對不同類別的子意圖進(jìn)行權(quán)重預(yù)測。通過對6個(gè)月的瀏覽器用戶日志的挖掘,提取出32個(gè)與子意圖相關(guān)的特征,并利用SVM排序模型對不同類別的子意圖進(jìn)行權(quán)重預(yù)測。
　　3.對檢索結(jié)果多樣化問題進(jìn)行分析,并提出基于查詢子意圖識別的檢索結(jié)果多樣化方法并給出算法的一般過程。通過與傳統(tǒng)的顯隱式多樣化方法的性能上限和一種顯式多樣化的

5、變種方法的性能進(jìn)行比較,證明基于查詢子意圖識別的檢索結(jié)果多樣化方法的有效性。并對基于查詢子意圖識別的檢索結(jié)果多樣化方法的性能與子意圖類別個(gè)數(shù)的關(guān)系進(jìn)行分析。
　　通過在NTCIR9子意圖挖掘任務(wù)的數(shù)據(jù)集合上的驗(yàn)證,證明我們使用的子意圖挖掘方式具有很好的表現(xiàn),為其它需要使用查詢子意圖的工作奠定了基礎(chǔ)。通過在NTCIR9多樣化結(jié)果排序任務(wù)的數(shù)據(jù)集合上與其它檢索結(jié)果多樣化方法的比較,證明基于查詢子意圖識別的檢索結(jié)果多樣化方法更能夠滿足用