基于查詢?cè)~聚類的信息檢索系統(tǒng)排序模型.pdf

1、隨著萬維網(wǎng)信息的急速膨脹，人們需要在以幾何速度增長(zhǎng)的冗繁信息中尋找自己所需要的信息。搜索引擎逐漸成為人們?nèi)粘Ｉ钪芯W(wǎng)絡(luò)搜索的必備工具，而且用戶越來越關(guān)注網(wǎng)絡(luò)搜索引擎的搜索性能和反饋結(jié)果。為了提高信息檢索系統(tǒng)的整體性能，研究者需要完善和研究信息檢索系統(tǒng)的評(píng)價(jià)方法和排序模型，使得信息檢索系統(tǒng)反饋給用戶文檔更為相關(guān)。
　　 排序?qū)W習(xí)理論(Learning to Rank，LETOR)是結(jié)合信息檢索技術(shù)和機(jī)器學(xué)習(xí)理論的一種新領(lǐng)域。LET

2、OR理論目的是利用機(jī)器學(xué)習(xí)理論通過對(duì)訓(xùn)練集的自我學(xué)習(xí)，建立一個(gè)文檔集相關(guān)度的排序模型。目前存在的幾種信息檢索系統(tǒng)排序方法都采用單一訓(xùn)練模型，其排序結(jié)果在幾種傳統(tǒng)的評(píng)估準(zhǔn)則下表現(xiàn)出的性能還有待提高。針對(duì)這個(gè)問題，本文提出一種基于偽相關(guān)反饋擴(kuò)展的查詢?cè)~聚類算法，和基于查詢?cè)~關(guān)鍵字的聚類算法相比，能夠更好地解決查詢?cè)~的簡(jiǎn)短性和模糊性影響聚類效果的問題。該算法可以獲得更加可靠的查詢?cè)~之間的潛在聯(lián)系，基于這種潛在聯(lián)系，本文進(jìn)而提出一種新穎的基于查