基于MarKov團(tuán)的信息檢索擴(kuò)展模型.pdf

1、信息檢索過(guò)程中最重要的環(huán)節(jié)就是檢索出與用戶需求相關(guān)的內(nèi)容。其核心問(wèn)題就是:對(duì)于給定的用戶查詢,對(duì)文檔集中的每個(gè)文檔與查詢進(jìn)行相關(guān)性判斷。在這一過(guò)程中,查詢表達(dá)了用戶的信息需求,是信息檢索過(guò)程中最為關(guān)鍵的數(shù)據(jù)之一,其內(nèi)容準(zhǔn)確與否直接關(guān)系到檢索結(jié)果的好壞。但是,由于查詢?cè)~簡(jiǎn)短且存在一詞多義和一義多詞的現(xiàn)象,往往會(huì)造成用戶查詢與數(shù)據(jù)不匹配,導(dǎo)致檢索結(jié)果不佳。一種常用的解決該問(wèn)題的方法是對(duì)查詢進(jìn)行處理,使查詢更好的表達(dá)用戶的意圖。
　　

2、 目前,在搜索引擎中比較常用的查詢處理方法有相關(guān)反饋和查詢重構(gòu)及自動(dòng)查詢擴(kuò)展技術(shù),而自動(dòng)查詢擴(kuò)展技術(shù)按照使用到的文檔集不同,又可分為局部分析方法和全局分析的擴(kuò)展方法作為較早出現(xiàn)的具有實(shí)際應(yīng)用價(jià)值的查詢擴(kuò)展方法,全局分析方法得到了廣泛的應(yīng)用。
　　 傳統(tǒng)的全局分析方法在提取擴(kuò)展詞時(shí),沒(méi)有充分考慮到擴(kuò)展詞間的間接關(guān)系,這勢(shì)必會(huì)影響到檢索性能。本文提出了一種基于Markov團(tuán)的信息檢索擴(kuò)展模型,本文使用到了基于團(tuán)的提取算法,團(tuán)結(jié)構(gòu)描述

3、了Markov網(wǎng)絡(luò)中多個(gè)詞之間構(gòu)成團(tuán)的深層次關(guān)系。在計(jì)算相似度時(shí),本文利用到了Markov網(wǎng)絡(luò)的性質(zhì)進(jìn)一步表示了詞間的間接關(guān)系,提高了檢索性能。
　　 本文首先通過(guò)計(jì)算詞間相似度構(gòu)造Markov網(wǎng)絡(luò)模型;然后由此模型加強(qiáng)候選詞集中詞相關(guān)性描述,并提取了在Markov網(wǎng)絡(luò)中詞間的團(tuán)結(jié)構(gòu);最后通過(guò)在查詢中加入查詢?cè)~所在團(tuán)中的其他候選詞進(jìn)行查詢擴(kuò)展。在5個(gè)常用的標(biāo)準(zhǔn)測(cè)試集ADI、CRAM、MED、CISI和CRAN文檔集上的實(shí)驗(yàn)表明基