基于機(jī)器學(xué)習(xí)的查詢優(yōu)化研究.pdf

1、揭示用戶的檢索需求是文本檢索中重要的研究課題。當(dāng)前有諸多問(wèn)題函待解決，例如有些查詢“詞不達(dá)義”，致使相關(guān)文檔因?yàn)楹筒樵冊(cè)~不匹配所以無(wú)法被檢索出來(lái)；有時(shí)，多個(gè)查詢?cè)~之間需要“分清主次”，這樣就需要系統(tǒng)給各個(gè)查詢?cè)~賦予權(quán)重，以示區(qū)別；再比如“相關(guān)反饋”探討如何利用直接或間接的反饋信息來(lái)優(yōu)化查詢。
　　 本文以優(yōu)化用戶的查詢?yōu)槟繕?biāo)，以機(jī)器學(xué)習(xí)算法的研究為核心展開(kāi)研究工作。針對(duì)上述的問(wèn)題從三個(gè)方面展開(kāi)研究，(1)基于監(jiān)督學(xué)習(xí)的查詢擴(kuò)展方

2、法；(2)基于線性分類(lèi)器的查詢?cè)~權(quán)重估計(jì)方法(3)基于受限化聚類(lèi)的相關(guān)反饋。
　　 首先，針對(duì)查詢?cè)~和相關(guān)文檔不匹配的問(wèn)題，本文提出了基于監(jiān)督學(xué)習(xí)的查詢擴(kuò)展方法，即訓(xùn)練有監(jiān)督模型來(lái)挑選擴(kuò)展詞的方法。這種方法的優(yōu)點(diǎn)在于綜合了擴(kuò)展詞的各種特征，因而能更準(zhǔn)確地識(shí)別出擴(kuò)展詞的好壞。由于用于擴(kuò)展詞挑選的訓(xùn)練數(shù)據(jù)難于獲得，作者進(jìn)而提出了利用檢索結(jié)果評(píng)價(jià)集自動(dòng)生成訓(xùn)練數(shù)據(jù)的方法，并對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行了細(xì)致的分析，從而指導(dǎo)模型的訓(xùn)練過(guò)程。該方法在多

3、組標(biāo)準(zhǔn)評(píng)測(cè)數(shù)據(jù)上獲得了良好的性能，提升幅度高于傳統(tǒng)的查詢擴(kuò)展方法。
　　 其次，針對(duì)信息檢索中查詢的權(quán)重設(shè)置問(wèn)題，本文從機(jī)器學(xué)習(xí)的角度提出一套概率分類(lèi)的框架，把查詢的權(quán)重估計(jì)任務(wù)轉(zhuǎn)化為有監(jiān)督學(xué)習(xí)模型中的參數(shù)估計(jì)任務(wù)，并且采用生成式和判別式兩種模型去估計(jì)查詢?cè)~的權(quán)重。在TREC標(biāo)準(zhǔn)測(cè)試集合上的實(shí)驗(yàn)結(jié)果表明無(wú)論是生成式模型或者是判別式模型，都能使檢索系統(tǒng)的性能獲得顯著的提升。
　　 最后，本文對(duì)用戶提供的顯式反饋信息進(jìn)行研究