發(fā)布時(shí)間：2021-11-26 12:22

　　處在信息時(shí)代,信息搜索成了人們生活不可缺少的部分,背后支撐的信息檢索技術(shù)尤為重要。傳統(tǒng)的信息檢索模型通過匹配文檔和查詢中詞項(xiàng)返回相關(guān)文本,其中關(guān)鍵之一在于統(tǒng)計(jì)顯式的詞頻特征,但詞頻規(guī)范化通常含有超參數(shù)需要優(yōu)化�；趥鹘y(tǒng)檢索模型的詞項(xiàng)關(guān)聯(lián)（或依賴）模型以及傳統(tǒng)的偽相關(guān)反饋模型絕大部也是在統(tǒng)計(jì)顯式的詞項(xiàng)特征,這樣容易導(dǎo)致匹配失敗。為了解決這個(gè)問題,研究者們開始在信息檢索中使用主題模型來挖掘文檔和詞項(xiàng)的隱式語義特征。主題模型生成一種概率分布,很自然地將主題模型引入語言模型框架并取得了一定的成功。但如何將文檔和詞項(xiàng)的主題語義簡單有效地融入到著名的傳統(tǒng)檢索模型（如概率模型）和偽相關(guān)反饋模型尚不明確。針對(duì)這些不足,本文分別研究了概率模型BM25中的詞頻規(guī)范化方法、融合詞項(xiàng)主題語義的檢索模型、融合文檔主題語義的重排序檢索方法和偽相關(guān)反饋技術(shù),主要的研究工作如下:（1）提出了一種基于查詢長度詞頻規(guī)范化的概率信息檢索模型BM25QL。在概率模型BM25中,規(guī)范化詞頻是一個(gè)重要組成部分,由兩個(gè)參數(shù)k1和b控制,通常需要在給定的數(shù)據(jù)集上優(yōu)化它們。經(jīng)驗(yàn)地發(fā)現(xiàn)查詢長度對(duì)詞頻規(guī)范化的影響可以優(yōu)化檢索性能,通過數(shù)學(xué)... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：108 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３．１知２仏／）函數(shù)圖像??３．３．３新詞頻規(guī)范化模型：ＢＭ２５ｑｌ??

Ｘｅｘｐ?＼＼?．??似挪先咖?、＼?ＬＱＡ－ＢＭａＳ＾＾００?＼＼??ｎ?１?ｎｅｅ?Ａ?Ｄ－〇６?＿＿?〇■??－＊－ＬＤＡ－ＳＭ２５ｑｌｒ￡ｃ?＼??－？ｒ－?ＬＤＡ－ＬＭ?ｉ＞?０．０４?ＬＤＡ－ＬＭ??－４－－ＬＤＡ－ＭＡ７Ｆ?－？－ＬＤＡ－Ｋ？ＡＴＦ??〇〇５〇?Ｑ．１?Ｑ２．?０．３?ＱＡ?０５?０．６?０．７?０．８?０．９?１．０?〇〇２〇?０＿１?０２?０．３?０Ａ?０＿５?０．６?０．７?０．８?０．９?１．０??Ｘ?Ｘ??圖４．２參數(shù)／ｌ的敏感性??４．５．３與當(dāng)前水平模型的比較??此外，還對(duì)比了兩種代表當(dāng)前水平的方法。在基于ＢＭ２５模型框架下，Ｚｈａｏ等人［２（），２１］提出??的基于ＢＭ２５的二元交叉詞項(xiàng)模型ＣＲＴＥＲ２與當(dāng)前主流的概率鄰近度模型ＰＰＭ［１８ＷＰ?ＢＭ２５ＴＰ［１９］??不相上下。在基于主題模型的語言模型框架中，與提出的ＬＤＡ－ＬＭ最為接近的ＬＢＤＭ模型［２６］??在以往取得了最好的結(jié)果［２８】。因此，將所提出的模型分別與ＣＲＴＥＲ２和ＬＢＤＭ進(jìn)行直接的對(duì)??比，實(shí)驗(yàn)對(duì)比結(jié)果見表４．６。??表４．６比較ＴｏｐｌＲ模型與當(dāng)前水平模型ＣＲＴＥＲ２和ＬＢＤＭ的ＭＡＰ值??ＣＲＴＥＲｉ?ＬＤＡ－ＢＭ２５?ＬＤＡ－ＢＮ＾ｑｉ＾?ＬＤＡ－ＢＮＵＳｇｉ＾００?ＬＤＡ－ＢＮ＾ｑｌ１＾?ＬＢＤＭ?ＬＤＡ－ＬＭ??ＡＰ９０?０．２７７４?０．２９８２Ｔ?０．２９９９Ｔ?０．３００５Ｔ?０．３００９Ｔ?０．２９４４?０．２８７１??ＡＰ８８－８９?０．２９２３?０．３１０５Ｔ?０．３１１２Ｔ?０．３１０８Ｔ?０．３１０９Ｔ?０．３０９４?０．３

?．Ｚｔ：，?．、、１?２?、、．??Ｈ２４、，?？：，?（Ｌ２４？，一??——??＊?＾?１１－?＾?ｒ?－■〇－＊＊－＊???ｃ－?＾??０２２－?０２２－?－??０２?？?－?０．２－??、?？－??Ｖ??０．１８－?、，，?０．１８－??〇１６〇?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１．０?°?１６〇?０．１?０２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１．０??ａ?ａ??圖５．２反饋系數(shù)的敏感性??６．５．４與基于主題的偽相關(guān)反饋模型比較??表６．３與ＴｏｐＰＲＦ模型對(duì)比提升百分比??＼ｆ］?ＴｏｐＰＲＦ１３７１?ＴｏｐＲｏｃ－ＴＳ?ＴｏｐＲｏｃ－ＴＤ?ＴｏｐＲＭ３－ＴＳ?ＴｏｐＲＭ３－ＴＤ??ＤＩＳＫＩ?＆２??１０?＋１．９２％?＋３．０５％?ｆＴ?＋２．１１％?ｆｔ?＋１．９１％?＋０．７１％??２０?－０．７１％?＋１．３３％?ｆｔ?＋３．８８％?ｆｔ?＋２．３８％？?＋１．４７％?ｆｔ??３０?＋４．２４％?＋４．６４％?ｆｔ?＋４．８８％?ｆｔ?＋２．９３＊／．?＋１．５５％??５０?＋３．４２％?＋６．１９％?ｆｔ?＋６．０２％?ｆｔ?＋３．１?ＩＶ．?＋１．２４％??Ａｖｅｒａｇｅ?＋２．１８％?＋３．７７％?ｆＴ?＋４．２２％?ｆｔ?＋２．６１％?Ｈ?＋１．２７％??ＤＩＳＫ４＆５??１０?＋５．５３％?＋０．７６％?＋２．９２％?＋３．３１％?＋０．０４％??２０?＋４．６３％?＋３．０７％?＋４．８８％?ｆｔ?＋３．８８％?＋０．２９％??３０?＋４

【參考文獻(xiàn)】：
期刊論文
[1]基于圖的特征詞權(quán)重算法及其在文檔排序中的應(yīng)用[J]. 黃云,洪佳明,顏一鳴.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2012(06)
[2]自然語言處理中主題模型的發(fā)展[J]. 徐戈,王厚峰.  計(jì)算機(jī)學(xué)報(bào). 2011(08)

碩士論文
[1]LDA在信息檢索中的應(yīng)用研究[D]. 何錦群.天津理工大學(xué) 2014



本文編號(hào)：3520136