原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于团的Markov网络信息检索模型 甘丽新 王明文 张华伟 江西师范大学 2006年7月23日 大纲 研究背景 模型思想 模型方法 实验结果 进一步工作 研究背景 提高检索效率是信息检索研究的永恒主题 现有很多研究根据词之间的依赖关系进行直接扩展 在检索过程中加入有利于检索的信息改善检索结果 如何建立能刻划这种依赖关系的模型? 模型思想 考虑词与词之间的相关性对查询进行扩展,使查询包含更多的有用信息. 在Markov网络检索模型中，通过对检索词子网络结构的分析，提取出词网络中的最大完全子图－团。 同一子团中的词构成一个形式概念，由此把基于词的检索扩展为基于形式概念检索。通过团来提取词与词之间的依赖关系。 模型方法 (1)词的Markov网络构造 基于Markov网络是无向图的考虑，本文采用的是条件概率的综合指标，记为： 本文采用了逆文档频率 ，过滤掉一些高频词和低频词。词的逆文档频率 定义为： 网络中的每一个词，都满足于: 且 (2)团的提取 通过对词的Markov网络结构的分析，发现许多词之间是有边相连，而且构成了完全图－团。本文提出了一个提取团的算法。 算法思想：在(n-1)_Clique()中，任何两个团若是n_Clique()中同一个团的子团，那么这2个团中只存在两个不相同的词，且这两个词之间是有边相连，即相关。 检索模型 给定查询 ，文档集 ，我们希望根据文档 和给定的查询 的相关概率的大小，排列文档集中的文档，从而得出我们需要的文档。因此需要计算 。 为词子空间的Markov网络，C为团的集合，有条件概率定义可得： 若词的网络固定时， ， ， ， 对任一均相同，则由(5)式可得检索算法的一般形式： 由乘法公式和条件概率定义可得： 本文将团中词与词之间的相关性引入到检索中，通过修正词的权重，重新构造文档和查询之间的相关性。因此由(7)式修正为： 其中： 权重计算 概率估计： 权重方式:
文档评论（0）