专家搜索中关系证据的重要性研究.pdfVIP

第 27 卷第 11 期 Vol. 27 No.11 计算机应用研究 2010 年 11 月 ApplÍcation Research of Computers Nov. 2010 专家搜索中关系证据的重要性研究* 杨柳，张文生 (中国科学院自动化研究所复杂系统与智能科学重点实验室，北京 1 ∞190) 摘 要:系统地，研究了查询词与候选人在文档中的距离和顺序关系对专家搜索算法准确率的影响。首先在概 率语言模型的框架下提出了顺序核函数来建模顺序关系证据;然后进一步提出两种对不同关系证据进行统一建 模的概率框架，并通过在 TREC 标准数据集上的对比实验，探索了结合两种关系证据进行专家搜索的可行性。 实验结果表明，距离和顺序关系证据对专家搜索系统的准确率提高能力相近，而对它们的适当结合可以获得比 单独利用其中任何一种更好的效果。 关键词:概率语言模型:专家搜索;关系证据;核函数;统-建模 中固分类号:T凹91 文献标志码:A 文章编号: 1∞1- 3695 (2010) 11-咄咄-04 doi: 10. 3969/j. issn. 1 ∞1-3695.2010.1 1.∞8 Research on importance of relationship evidences in expert search YANG Liu , ZHANG Wen-sheng (均 μbora缸ry ofCo呻阳拗阳ms /;脚ll，部ence sc归田， /;翩翩úofA脚ation ， Chinese Aωdemy 0/Scie.町田， Bei知J.g l∞190 ， China) Abstract: 四is paper studied the influence of using the relationship evidences , namely the distance and sequential dependen- cies between query te口ns and candidates in a documenl , to the precision of expert finding algori出ms. Specifically ，自rst pro- F配d an order kemel function ωmodel the sequential relationshíp , and then proposed two probabilístic frameworks to model !wo kinds of relationship evidences in a unified way. Experiment results show that the distance and sequential evidences achieve comparable performance gains over the baseline and a combination of both can achieve better performance than using any of them alone. Key words: probability language model; 但pert 盹arch; relationship evidence; kemel function; unified framework 家搜索领域研究的来断深入，关系证据开始被考虑用来提高专 0 号l 言