基于機器學習的查詢優(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。當前有諸多問題函待解決，例如有些查詢“詞不達義”，致使相關文檔因為和查詢詞不匹配所以無法被檢索出來；有時，多個查詢詞之間需要“分清主次”，這樣就需要系統(tǒng)給各個查詢詞賦予權重，以示區(qū)別；再比如“相關反饋”探討如何利用直接或間接的反饋信息來優(yōu)化查詢。
　　 本文以優(yōu)化用戶的查詢?yōu)槟繕?，以機器學習算法的研究為核心展開研究工作。針對上述的問題從三個方面展開研究，(1)基于監(jiān)督學習的查詢擴展方

2、法；(2)基于線性分類器的查詢詞權重估計方法(3)基于受限化聚類的相關反饋。
　　 首先，針對查詢詞和相關文檔不匹配的問題，本文提出了基于監(jiān)督學習的查詢擴展方法，即訓練有監(jiān)督模型來挑選擴展詞的方法。這種方法的優(yōu)點在于綜合了擴展詞的各種特征，因而能更準確地識別出擴展詞的好壞。由于用于擴展詞挑選的訓練數(shù)據(jù)難于獲得，作者進而提出了利用檢索結果評價集自動生成訓練數(shù)據(jù)的方法，并對訓練數(shù)據(jù)進行了細致的分析，從而指導模型的訓練過程。該方法在多

3、組標準評測數(shù)據(jù)上獲得了良好的性能，提升幅度高于傳統(tǒng)的查詢擴展方法。
　　 其次，針對信息檢索中查詢的權重設置問題，本文從機器學習的角度提出一套概率分類的框架，把查詢的權重估計任務轉化為有監(jiān)督學習模型中的參數(shù)估計任務，并且采用生成式和判別式兩種模型去估計查詢詞的權重。在TREC標準測試集合上的實驗結果表明無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，本文對用戶提供的顯式反饋信息進行研究