基于檢索結(jié)果排序的偽相關(guān)反饋
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
隨著Web的普及，越來(lái)越多的用戶(hù)希望從互聯(lián)網(wǎng)上獲取信息。對(duì)于目前主流的基于關(guān)鍵詞的搜索方式，用戶(hù)必須通過(guò)構(gòu)造有限的查詢(xún)?cè)~來(lái)表達(dá)信息需求（ information need）。Carpineto等在查詢(xún)擴(kuò)展綜述中明確指出，大多數(shù)用戶(hù)喜歡構(gòu)造短查詢(xún)交給搜索引擎，且構(gòu)造的查詢(xún)?cè)~多以1-3個(gè)詞居多；并且用戶(hù)的查詢(xún)構(gòu)造本身就是一個(gè)抽象的過(guò)程，查詢(xún)構(gòu)造結(jié)果具有模糊性、不確定性和描述的多樣性。在這種情況下，由于缺乏上下文語(yǔ)境，搜索引擎很難完全理解用戶(hù)的查詢(xún)意圖，返回的結(jié)果中經(jīng)常會(huì)包含大量無(wú)關(guān)或相似的文檔。特別是當(dāng)查詢(xún)?cè)~出現(xiàn)歧義時(shí)，返回的文檔集會(huì)偏向于某一個(gè)主題，而該主題往往并不是用戶(hù)潛在查詢(xún)意圖。如果搜索引擎能夠?qū)⑴c用戶(hù)初始查詢(xún)構(gòu)造相關(guān)的信息全部返回給用戶(hù)，那么，用戶(hù)就可以在多個(gè)不同查詢(xún)結(jié)果中找到自己最想要的結(jié)果。
針對(duì)傳統(tǒng)偽相關(guān)反饋（PRF）算法擴(kuò)展源質(zhì)量不高使得檢索效果不佳的問(wèn)題，提出一種基于檢索結(jié)果的排序模型（ REM）。首先，該模型從初檢結(jié)果中選擇排名靠前的文檔怍為偽相關(guān)文檔集；然后，以用戶(hù)查詢(xún)意圖與偽相關(guān)文檔集中各文檔的相關(guān)度最大化、并且各文檔之間相似性最小化作為排序原則，將偽相關(guān)文檔集中各文檔進(jìn)行重排序；最后，將排序后排名靠前的文檔作為擴(kuò)展源進(jìn)行二次反饋。實(shí)驗(yàn)結(jié)果表明，與兩種傳統(tǒng)偽反饋方法相比，該排序模型能獲得與用戶(hù)查詢(xún)意圖相關(guān)的反饋文檔，可有效地提高檢索效果。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于檢索結(jié)果排序的偽相關(guān)反饋下載
相關(guān)電子資料下載
- 手把手教你排序算法怎么寫(xiě) 437
- FPGA實(shí)現(xiàn)雙調(diào)排序方法詳解 195
- 用FPGA實(shí)現(xiàn)雙調(diào)排序的方法（2） 427
- FPGA實(shí)現(xiàn)雙調(diào)排序算法的探索與實(shí)踐 205
- 想聽(tīng)聽(tīng)48和大對(duì)數(shù)光纜的排序？ 211
- C語(yǔ)言實(shí)現(xiàn)經(jīng)典排序算法概覽 298
- 十大排序算法總結(jié) 830
- 時(shí)間復(fù)雜度為O (nlogn)的排序算法簡(jiǎn)述 378
- 數(shù)據(jù)結(jié)構(gòu)：?jiǎn)捂湵淼呐判?/a> 600
- python中如何交換兩個(gè)數(shù)的值相加 460