信息检索中相关反馈技术综述.docVIP

信息检索中的相关反馈技术综述 　　（ 1.湖州师范学院 信息工程学院, 浙江 湖州 313000； 2.同济大学 电子与信息工程学院, 上海 201804） 　　?? 　　摘 要：论述了信息检索中的向量空间模型、概率模型以及语言模型中所采用的相关反馈技术。其中主要介绍检索词的权重调整、查询扩展、文档相关反馈，以及语言模型中的查询语言模型和文档语言模型的调整。针对最近反馈方面的最新成果――基于term的反馈技术进行了探讨，指出了相关反馈在今后研究的方向，即提供个性化的如分层反馈和利用日志进行反馈，并讨论了相关反馈技术对检索性能的影响。 　　?す丶?词：信息检索； 相关反馈； 查询扩展 　　?ぶ型挤掷嗪牛?TP391 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0011?B04 　　?? 　　Survey on relevance feedback for information retrieval 　　YAN Huayun1，2， LIU Qiping??1， XIAO Liangjun??2 　　?? 　　(1.School of Information Engineering, Huzhou Teachers College, Huzhou Zhejiang 313000, China; 2.College of Electronics Information Engineering, Tongji University, Shanghai 201804, China） 　　?? 　　Abstract:This paper introduced relevance feedback mothod about vector space model, probability model and language model in information retrieval fields, elaborated how to regulate the weights of terms, expands query, relevance feedback of documents, regulate about the query language model and document language model. It also introduced how to adopt relevance feedback to improve information retrieval performance. It discussed the novel technology of feedback with term feedback technology.At last, discussed the problems ofthe future direction in relevance feedback, the personality of hierachical feedback and the feedback of using log . 　　??Key words：information retrieval; relevance feedback; query expansion 　　?お? 　　0 引言?? 　　 经典信息检索模型中包括布尔模型、向量空间模型、概率模型和语言模型。布尔模型出现在20世纪50年代，其查询词间以布尔表达式形式提交。这种方法实现简单，但不易操作。其后出现了向量空间模型，它把文档用向量表示，查询同样也看成文档向量，通过计算查询和文档向量的相似性进行打分。1960年Maron和Kuhns又提出了概率检索模型[1]，把文档的相关性理解为一种概率事件，通过查询词在相关文档和不相关文档的百分比进行打分。语言模型于1998年由Ponte和Croft提出[2]，其主要思想是把相关度看成每篇文档对应语言下生成该查询的可能性，从而根据相关度进行打分。这四种模型进行检索时主要存在的问题是用户需求本身模糊[3] 、不熟悉检索环境[4]等，从而导致信息检索的研究与实践中一直存在的主要不足是系统的准确率和召回率不够高[5] 。为了使检索系统更加有效，使检索结果更好地满足用户的查询请求，出现了反馈技术[6] 。?? 　　文献[1]含有最初的反馈思想雏形，正式的反馈思想出现在著名向量空间模型系统SMART中[7]。?? 　　 信息检索系统中根据反馈的用户是否真正参与分为两类反馈技术：?? 　　a)伪相关反馈机制。系统默认自己检索出的结果中含有大量相关的文档，从中取出前??N??篇作为相关文档，对查询进行调整或扩展。?? 　　b)用户参与的反馈机制