基于语义向量表示查询扩展方法.docVIP

基于语义向量表示查询扩展方法 　　摘要： 　　针对传统查询扩展方法在专业领域中扩展词与原始查询之间缺乏语义关联的问题，提出一种基于语义向量表示的查询扩展方法。首先，构建了一个语义向量表示模型，通过对语料库中词的上下文语义进行学习，得到词的语义向量表示；其次，根据词语义向量表示，计算词之间的语义相似度；然后，选取与查询中词汇的语义最相似的词作为查询的扩展词，扩展原始查询语句；最后，基于提出的查询扩展方法构建了生物医学文档检索系统，针对基于维基百科或WordNet的传统查询扩展方法和BioASQ 2014―2015参加竞赛的系统进行对比实验和显著性差异指标分析。实验结果表明，基于语义向量表示查询扩展的检索方法所得到结果优于传统查询扩展方法的结果，平均准确率至少提高了1个百分点，在与竞赛系统的对比中，系统的效果均有显著性提高。 　　关键词： 　　查询扩展；语义表示学习；生物医学文档；信息检索；自然语言处理 　　中图分类号： 　　TP391.3 　　文献标志码：A 　　Abstract： 　　To solve the problem that the traditional query expansion used in professional domains suffers from the lack of semantic relations between expansion terms and original queries， a query expansion approach based on semantic vector representation was proposed. First， a semantic vector representation model was designed to learn the semantic vector representations of words from their contexts in corpus. Then， the similarities between words were computed with their semantic representations. Afterwards， the most similar words were selected from the corpus as the expansion terms to enrich the queries. Finally， a search system of biomedical literatures was built based on this expansion approach and compared with the traditional query expansion approaches based on Wikipedia or WordNet and the BioASQ participants along with the significant difference analysis. The comparison experimental results indicate that the proposed query expansion approach based on semantic vector representations outperforms the baselines， and the mean average precision increases by at least one percentage point； furthermore， the search system performs better than the BioASQ participants significantly. 　　英文关键词Key words： 　　query expansion； semantic representation learning； biomedical document； information retrieval； natural language processing 　　0引言 　　随着信息时代的到来，源源不断的信息从互联网中涌现，对信息的检索已是用户日常生活中不可缺少的一部分。由于信息种类之多，内容涉及范围之广，这使得从海量信息中准确定位到满足用户需求的信息成为一个亟待解决的问题。然而用户的需求变得越来越模糊，用户甚至可能不知道与需求相关的关键词进而给定一些简短的查询语句或几个查询词。在这种情况下，仅使用用户给出的少量查询信息进行关键词匹配可能找不到相关的文档或信息[1]。因此