元搜索引擎提問融合方法研究.pdf

1、本文將信息融合理論與元搜索引擎的研究相結(jié)合，在相關(guān)理論的基礎(chǔ)上，對提問融合方法做一些探討和研究。本文介紹了信息融合基本含義、原理、層次結(jié)構(gòu)以及技術(shù)、方法，總結(jié)了查詢擴展的三類方法，并著重介紹和分析了相關(guān)反饋的定義、類型、技術(shù)與算法，詳述了語言模型的建模過程與方法。
　　 本文的研究內(nèi)容包括以下幾個方面：
　　 首先，提出了對用戶的查詢行為進行信息挖掘，給出了記錄用戶信息需求的三種方式，并分析用戶的查詢行為，對用戶的信息需

2、求進行分類。本文試圖利用用戶查詢?nèi)罩緛硖綄び脩舻男畔⑺阉餍袨?，提出了基于用戶查詢?nèi)罩镜膬煞N提問融合策略：基于用戶查詢模糊聚類的提問融合策略和基于用戶點擊文檔用詞的提問融合策略，從而利用日志進行偽相關(guān)反饋。
　　 第二，基于用戶查詢模糊聚類的提問融合策略足利用系統(tǒng)聚類法對用戶查詢?nèi)罩局械挠脩舨樵冞M行聚類分析，用戶查詢是聚類的樣本，每條用戶查詢所對應(yīng)的用戶點擊的文獻是聚類樣本的特征。
　　 第三，基于用戶點擊文檔用詞的提問融

3、合策略將用戶查詢中使用的詞或短語與文檔中出現(xiàn)的相應(yīng)詞或短語以條件概率的形式連接，利用貝葉斯公式挑選出文檔中與該查詢關(guān)聯(lián)最緊密的詞加入原查詢，以達到擴展優(yōu)化的目的。
　　 最后，本文總結(jié)了TopK反饋程序和自動選取前K篇文獻的兩種策略，提出了使用語言模型為工具計算相關(guān)度系數(shù)，據(jù)此改進了多查詢與偽相關(guān)反饋的融合，提出了基于TopK反饋的提問融合算法。
　　 本文的創(chuàng)新之處是提出了基于用戶點擊文檔用詞的提問融合策略和基于Top