基于機器學(xué)習的查詢優(yōu)化研究.pdf

1、揭示用戶的檢索需求是文本檢索中重要的研究課題。當前有諸多問題函待解決，例如有些查詢“詞不達義”，致使相關(guān)文檔因為和查詢詞不匹配所以無法被檢索出來；有時，多個查詢詞之間需要“分清主次”，這樣就需要系統(tǒng)給各個查詢詞賦予權(quán)重，以示區(qū)別；再比如“相關(guān)反饋”探討如何利用直接或間接的反饋信息來優(yōu)化查詢。
　　 本文以優(yōu)化用戶的查詢?yōu)槟繕?，以機器學(xué)習算法的研究為核心展開研究工作。針對上述的問題從三個方面展開研究，(1)基于監(jiān)督學(xué)習的查詢擴展方

2、法；(2)基于線性分類器的查詢詞權(quán)重估計方法(3)基于受限化聚類的相關(guān)反饋。
　　 首先，針對查詢詞和相關(guān)文檔不匹配的問題，本文提出了基于監(jiān)督學(xué)習的查詢擴展方法，即訓(xùn)練有監(jiān)督模型來挑選擴展詞的方法。這種方法的優(yōu)點在于綜合了擴展詞的各種特征，因而能更準確地識別出擴展詞的好壞。由于用于擴展詞挑選的訓(xùn)練數(shù)據(jù)難于獲得，作者進而提出了利用檢索結(jié)果評價集自動生成訓(xùn)練數(shù)據(jù)的方法，并對訓(xùn)練數(shù)據(jù)進行了細致的分析，從而指導(dǎo)模型的訓(xùn)練過程。該方法在多

3、組標準評測數(shù)據(jù)上獲得了良好的性能，提升幅度高于傳統(tǒng)的查詢擴展方法。
　　 其次，針對信息檢索中查詢的權(quán)重設(shè)置問題，本文從機器學(xué)習的角度提出一套概率分類的框架，把查詢的權(quán)重估計任務(wù)轉(zhuǎn)化為有監(jiān)督學(xué)習模型中的參數(shù)估計任務(wù)，并且采用生成式和判別式兩種模型去估計查詢詞的權(quán)重。在TREC標準測試集合上的實驗結(jié)果表明無論是生成式模型或者是判別式模型，都能使檢索系統(tǒng)的性能獲得顯著的提升。
　　 最后，本文對用戶提供的顯式反饋信息進行研究