支持信息檢索結(jié)果多元化的數(shù)據(jù)融合技術(shù)研究.pdf

1、近年來檢索結(jié)果的多元化問題成了信息檢索領(lǐng)域的一個(gè)研究熱點(diǎn)。對(duì)于一些語義比較寬泛、有多義性的查詢，傳統(tǒng)的信息檢索系統(tǒng)僅根據(jù)文檔與查詢的相關(guān)性返回檢索結(jié)果，無法滿足用戶的多元化信息需求。檢索結(jié)果多元化的目的就是針對(duì)于這種查詢要求，信息檢索系統(tǒng)給出盡可能多種多樣的文檔，以滿足不同用戶的信息需求。這就意味著對(duì)于新型的信息檢索系統(tǒng)，選擇文檔時(shí)不僅要考慮文檔與查詢之間的相關(guān)性，而且要考慮檢索結(jié)果中文檔的多樣性。
　　另一方面，信息檢索中的數(shù)據(jù)

2、融合技術(shù)通過組合多個(gè)成員檢索結(jié)果以得到更有效的融合結(jié)果。以往關(guān)于數(shù)據(jù)融合的研究表明數(shù)據(jù)融合方法能夠提高檢索的性能，但是檢索結(jié)果的多元化并不在考慮的范圍內(nèi)。因此對(duì)于檢索結(jié)果的多元化問題，研究如何采用數(shù)據(jù)融合技術(shù)來處理。論文的主要工作如下:
　　(1)對(duì)于數(shù)據(jù)融合中必要的分?jǐn)?shù)規(guī)范化環(huán)節(jié)，分析已有的分?jǐn)?shù)規(guī)范化方法，提出一種新的基于文檔排名位置的對(duì)數(shù)模型規(guī)范化方法。通過實(shí)驗(yàn)比較一組分?jǐn)?shù)規(guī)范化方法。實(shí)驗(yàn)結(jié)果表明所提出的分?jǐn)?shù)規(guī)范化方法具有比現(xiàn)

3、有方法更高的有效性。
　　(2)分析已有數(shù)據(jù)融合排名算法對(duì)檢索結(jié)果多元化是否適用，是否有改進(jìn)的空間。特別是針對(duì)其中的線性組合法(Linear Combination method)，在權(quán)重分配策略上尋找適用于檢索結(jié)果多元化的方案。對(duì)已有的檢索系統(tǒng)有效性權(quán)重（performance-related weight）做出調(diào)整;對(duì)于差異性權(quán)重(dissimilarity-relatedweight)做出新的設(shè)定，提出一種基于文檔排名位置的

4、成對(duì)差異性權(quán)重算法(pair-wise rank-based method)和一種基于文檔引用的差異性權(quán)重算法(reference-based method)。此外，分析了基于線性回歸的權(quán)重分配策略，對(duì)其在檢索結(jié)果多元化上的適用程度做出了相關(guān)評(píng)價(jià)，并給出了改進(jìn)方案。
　　(3)同樣是針對(duì)線性組合法中的權(quán)重分配策略，提出一種新的權(quán)重影響因素——補(bǔ)充性(complementarity)，用于衡量一成員檢索系統(tǒng)相對(duì)其他系統(tǒng)在相關(guān)子主題上

5、的補(bǔ)充程度，作為文檔多樣性的形式化表現(xiàn)。實(shí)驗(yàn)表明該方法可顯著地提高融合算法的有效性。
　　本文從數(shù)據(jù)融合角度處理信息檢索中結(jié)果多元化問題，對(duì)已有數(shù)據(jù)融合技術(shù)做出了評(píng)估與改進(jìn)，以往很少有這方面的工作。具體的創(chuàng)新點(diǎn)包括:
　　(1)提出了一種基于文檔排名位置的對(duì)數(shù)模型，用于數(shù)據(jù)融合分?jǐn)?shù)規(guī)范化。
　　(2)評(píng)估了若干數(shù)據(jù)融合中典型的排名算法。給出了有關(guān)系統(tǒng)有效性權(quán)重和差異性權(quán)重的不同定義，提出了兩種計(jì)算系統(tǒng)差異性權(quán)重的算法。