互聯(lián)網(wǎng)的高速發(fā)展帶來了信息的爆炸式增長。如何從縟繁雜亂的信息中篩選出所需信息,是一個迫切需要解決的問題。在現(xiàn)有的信息檢索模型中,對文檔和候選擴展詞的評估主要依賴于詞項在文檔內的詞頻、逆文檔頻率以及文檔長度等信息,卻忽略了詞項在文檔內的位置信息對于檢索性能的影響。近年來的研究表明利用詞項的位置關系是提高檢索性能的有效方法,雖然這些模型已取得了良好的效果,但如何捕獲詞項的位置信息以及對位置影響力的度量仍有提升的空間。因此,本文就基于文檔內位置關系的信息檢索方法進行研究,主要內容包括以下三個方面:第一,本文提出一種基于文檔內位置關系的概率檢索方法,BM25-LR。該研究背后的客觀事實為,在大多數(shù)文章中,作者通常會在文檔內的特定位置,例如文檔的開頭或結尾,總結觀點并概括文章的中心內容,因此這些位置的詞項與文檔主題的相關度更高、更加重要。本文采用核函數(shù)的方法對詞項在文檔內的不同位置進行建模,對位于文檔開頭和結尾部分的詞項賦予更高的位置權重。進而,將該位置特征融入到經(jīng)典的BM25概率模型中,對查詢詞進行權重優(yōu)化,幫助獲取更有可能與查詢相關的文檔。在五種TREC數(shù)據(jù)集上,對本文提出的BM25-LR概... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖１．２本文的組織結構??如上圖所示，本文主要研宄了基于文檔內位置信息的檢索方法，共分為六章

自動局部分析的方法，實現(xiàn)相關反饋的人工標注過程自??動化，獲得檢索性能的提升⑴－１５１。通常，偽相關反饋方法的過程如下：??１．用戶輸入原始查詢；??１系統(tǒng)進行首輪檢索并返回查詢結果；??３．假設首輪檢索返回的前Ｎ篇文檔是相關文檔，系統(tǒng)自動將該Ｎ篇文檔標記??為相關文檔，其余文檔標記為不相關文檔：??４．在此假設基礎上，系統(tǒng)根據(jù)反饋文檔，通過一定的策略加入一些相關的擴??展詞，與原始查詢結合構造出新查詢；??５．利用優(yōu)化后的新查詢進行第二輪檢索，返回最終查詢結果。??上述過程如圖２．１所示。??開始??？ｒ??原始查詢???工??首輪檢索??工??檢索結果?組合丄新查詢一？二輪檢索一？最終檢索結果??ｉ????１?１?￣￣￣ｐ??查詢擴展?結束??丁??新擴展詞???圖２．１偽相關反饋流程圖??早在２０世紀６０年代初，國內外專家學者就展開了偽相關反饋技術相關的工作??８??

？碩士學位論文??ＭＡＳＴＥＲ’Ｓ?ＴＨＥＳＩＳ．??的方法對詞項位置信息進行建模［３２，３９，４（）１，核函數(shù)也由于其非負性、對稱性、連續(xù)性??和關于對稱軸的單調遞減性，使其能夠較好地模擬詞的位置影響力的分布情況。本??節(jié)將首先介紹幾種位置檢索模型中較常見的核函數(shù)，然后重點介紹核函數(shù)的方法在??以往基于位置信息的檢索模型中的應用。??２．４．１核函數(shù)??以下本節(jié)將列出三種在位置檢索模型中較為常見的核函數(shù)：??（１）高斯核函數(shù)（Ｇａｕｓｓｉａｎｋｅｒｎｅｌ）??－ｕ２??Ｇａｕｓｓｉａｎ（ｕ）?＝?ｅ２°＇?公式（２．１）??（２）圓核函數(shù)（Ｃｉｒｃｌｅ?ｋｅｒｎｅｌ）??Ｃｉｒｃｌｅ（ｕ）?－?ｊｌ－?一?公式（２．２）??Ｖ??（３）余弦核函數(shù)（Ｃｏｓｉｎｅ?ｋｅｒｎｅｌ）??，?ｆ?Ｕ?Ｘ?丌＼??１?＋?ｃｏｓ????Ｃｏｓｉｒｊｅ（ｕ）＝??———?公式（２．３）??其中，Ｗ為給定詞之間的距離，ｏ■為控制核函數(shù)分布規(guī)模的調整參數(shù)，圖２．２??中展示了幾種不同核函數(shù)的圖像。??Ｃｉｒｃｌｅ?ｋｅｒｎｅｌ??Ｇａｕｓｓｉａｎ?ｋｅｒｎｅｌ??——Ｅｐａｎｅｃｈｎｉｋｏｖ?ｋｅｒｎｅｌ??０．８??Ｏｕａｒｔｉｃ?ｋｅｒｎｅｌ??Ｃｏｓｉｎｅ?ｋｅｒｎｅｌ??０．６??０?４??０．２??－？?－１?〇?１?’?ａ??圖２．２幾種不同核函數(shù)的圖形??從圖中可以看出，幾種核函數(shù)的變化趨勢十分相似，均為中間高兩端低的凸型??曲線。圖中除了高斯核函數(shù)以外，其余核函數(shù)的定義域均在［＿２，２］之間，值域為［〇，］］??之間。??１１??


本文編號：3211334