實(shí)體關(guān)系網(wǎng)中專(zhuān)家搜索的排序?qū)W習(xí)問(wèn)題研究.pdf

1、近年來(lái)以實(shí)體搜索為特點(diǎn)的專(zhuān)業(yè)搜索引擎的競(jìng)爭(zhēng)在如火如荼的上演，實(shí)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(gè)新的關(guān)注焦點(diǎn)。作為這種新搜索模式的典型代表，給出一個(gè)搜索關(guān)鍵詞，專(zhuān)家搜索系統(tǒng)找出一些相關(guān)的專(zhuān)家而不是相關(guān)的文檔或網(wǎng)頁(yè)。可以說(shuō)專(zhuān)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(yè)級(jí)別信息檢索方式很難滿足的。專(zhuān)家搜索技術(shù)的研究將更直接地方便人們?cè)谏睢W(xué)習(xí)、科技開(kāi)發(fā)、商用等各個(gè)領(lǐng)域的活動(dòng)和工作。
　　

2、 專(zhuān)家搜索的核心技術(shù)是專(zhuān)家排序問(wèn)題，即在大規(guī)模數(shù)據(jù)中如何對(duì)與查詢相關(guān)的專(zhuān)家進(jìn)行排序。近些年基于機(jī)器學(xué)習(xí)理論的排序?qū)W習(xí)方法越來(lái)越多的應(yīng)用到信息檢索中來(lái)解決排序問(wèn)題。排序?qū)W習(xí)是通過(guò)對(duì)已標(biāo)注數(shù)據(jù)進(jìn)行學(xué)習(xí)，以在訓(xùn)練數(shù)據(jù)上經(jīng)驗(yàn)風(fēng)險(xiǎn)最小作為優(yōu)化目標(biāo)，由此得到的排序模型來(lái)對(duì)未知數(shù)據(jù)進(jìn)行排序預(yù)測(cè)。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(méi)有關(guān)聯(lián)，排序特征主要來(lái)源于文檔自身的描述信息。
　　 專(zhuān)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(guò)對(duì)專(zhuān)家搜索的整體過(guò)程進(jìn)行分析，我們發(fā)現(xiàn)專(zhuān)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(shí)數(shù)據(jù)實(shí)驗(yàn)中我們進(jìn)一步發(fā)現(xiàn)這些基于實(shí)體關(guān)系的樣本間排序相關(guān)性出現(xiàn)頻率較高，如果簡(jiǎn)單的忽視這類(lèi)信息可能丟失大量對(duì)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(bǔ)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(zhuān)家搜索并不能很好的解決這一問(wèn)題。
　　 針對(duì)于專(zhuān)家搜索的特性，本文首次提出了實(shí)體關(guān)系網(wǎng)中專(zhuān)家搜索的排序?qū)W習(xí)問(wèn)題，并對(duì)這一問(wèn)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(duì)專(zhuān)家排序的作用，R表示實(shí)體間關(guān)系對(duì)專(zhuān)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(shí)體關(guān)系兩類(lèi)信息的綜合的模型。本文還指出專(zhuān)家搜索中實(shí)體間關(guān)系模型R是在同類(lèi)實(shí)體內(nèi)部關(guān)系以及不同類(lèi)實(shí)體的類(lèi)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(shí)針對(duì)這一問(wèn)題提出了本文的解決思路：先確定實(shí)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(guò)尋找兩者較優(yōu)的融合方式進(jìn)一步確定最終的排序模型f(h，R)；在此基礎(chǔ)上本文進(jìn)一步提出了適用于實(shí)體關(guān)系網(wǎng)中專(zhuān)家搜索框架。
　　 針對(duì)于專(zhuān)家搜索中實(shí)體關(guān)系網(wǎng)的作用方式，本文首次提出與查詢相關(guān)實(shí)體權(quán)威度概念用于描述實(shí)體關(guān)系網(wǎng)的作用；同時(shí)在此基礎(chǔ)上提出與查詢相關(guān)實(shí)體權(quán)威度關(guān)系模型

6、，該模型旨在通過(guò)模擬給定查詢下樣本間實(shí)體權(quán)威度傳播的過(guò)程來(lái)對(duì)專(zhuān)家搜索中實(shí)體關(guān)系網(wǎng)的作用進(jìn)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(zhuān)家的實(shí)體權(quán)威度。
　　 本文的研究目標(biāo)為構(gòu)建適用于實(shí)體關(guān)系網(wǎng)中專(zhuān)家搜索的排序?qū)W習(xí)模型。針對(duì)這一目標(biāo)，本文首次提出了一種基于Boosting思想的實(shí)體關(guān)系網(wǎng)中專(zhuān)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(jī)制，有效的融合了基于本文內(nèi)容的信息和基于實(shí)體

7、關(guān)系的信息，使得兩類(lèi)信息協(xié)作地完成專(zhuān)家排序任務(wù)；另一方面來(lái)看，該模型繼承Boosting算法的優(yōu)點(diǎn)，通過(guò)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(shí)數(shù)據(jù)集上完成整個(gè)論文中的實(shí)驗(yàn)，實(shí)現(xiàn)了從原始網(wǎng)頁(yè)數(shù)據(jù)到得到專(zhuān)家搜索結(jié)果的全部過(guò)程。本文實(shí)驗(yàn)部分涉及到專(zhuān)家搜索數(shù)據(jù)準(zhǔn)備部分、命名實(shí)體抽取部分、相關(guān)實(shí)體獲取部分以及實(shí)體排序部分。最終實(shí)驗(yàn)結(jié)果表明本文所提出的實(shí)體關(guān)系網(wǎng)中專(zhuān)家搜索的排序?qū)W習(xí)