基于相关反馈的Web检索提问融合研究

doi:10.11925/infotech.1003-3513.2011.01.09

现代图书情报技术

2011, Vol. 27

Issue (1): 57-62 https://doi.org/10.11925/infotech.1003-3513.2011.01.09

知识组织与知识管理

本期目录 | 过刊浏览 | 高级检索

基于相关反馈的Web检索提问融合研究

景璟¹, 洪颖², 蒋媛媛³, 杲晓锋⁴

1. 南开大学商学院天津 300071;
2. 天津音乐学院图书馆天津 300171;
3. 河南农业大学学报编辑部郑州 450002;
4. 唐山轨道客车有限责任公司唐山 063035

Study on Web Retrieval Query Fusion Based on Relevance Feedback

Jing Jing¹, Hong Ying², Jiang Yuanyuan³, Gao Xiaofeng⁴

1. Business School, Nankai University, Tianjin 300071, China;
2. Library of Tianjin Conservatory of Music, Tianjin 300071, China;
3. Editorial Office, Journal of Henan Agricultural University, Zhengzhou 450002, China;
4. Tangshan Railway Vehicles Co. Ltd., Tangshan 063035, China

摘要
参考文献
相关文章
Metrics

全文: PDF (371 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

采用提问式融合与相关反馈方法的结合,对现有的TopN文献选取策略研究和分析,提出利用相关度系数选取数量可变的TopN文献进行扩展查询的提问融合算法,即基于可变N反馈的提问融合算法。通过实验对固定N和可变N算法进行对比分析,结果显示可变N反馈在一定程度上可以改进检索性能。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	景璟
	洪颖
	蒋媛媛
	杲晓锋

关键词 ：提问融合, 相关反馈, 相关度系数, 元搜索引擎

Abstract：

This paper introduces the combination of query fusion and relevance feedback methods.By analyzing previous TopN documents selection strategy, it puts forward a query fusion algorithm using correlation coefficient to select a variable number of TopN documents in order to extend query, which is called variable TopN feedback-based query fusion algorithm. Fixed and variable TopN query fusion experiments are analyzed separately, and the test results show that the variable TopN feedback method improves the retrieval performance to some extent.

Key words： Query fusion Relevance feedback Correlation coefficient Meta-search engine

收稿日期: 2010-11-11 出版日期: 2011-02-12

TP393.09

基金资助:

本文系国家社会科学基金项目“基于信息融合技术的Web检索模式研究”(项目编号:05BTQ026)的研究成果之一。

引用本文:

景璟, 洪颖, 蒋媛媛, 杲晓锋. 基于相关反馈的Web检索提问融合研究[J]. 现代图书情报技术, 2011, 27(1): 57-62.
Jing Jing, Hong Ying, Jiang Yuanyuan, Gao Xiaofeng. Study on Web Retrieval Query Fusion Based on Relevance Feedback. New Technology of Library and Information Service, 2011, 27(1): 57-62.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2011.01.09 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2011/V27/I1/57

[1] Bast H, Majumdar D, Schenkel R, et al. IO-Top-k: Index-access Optimized Top-k Query Processing. In: Proceedings of the 32nd International Conference on Very Large Data Bases, Seoul. Berlin: Springer-verlag, 2006: 475-486.

[2] 余晋,邓志鸿,田敬,等.PinkySearch:基于聚类的元搜索引擎
[J]. 计算机科学 ,2005,32(7):408-412.

[3] 崔舒宁,冯博琴.融合搜索引擎结果集的模糊积分算法
[J]. 西安交通大学学报 ,2006,40(2):175-178.

[4] Efthimiadis E N. Query Expansion
[J]. Annual Review of Information Systems and Technology, 1996, 1(31): 121-187.

[5] Jin R, Valizadegan H, Li H. Ranking Refinement and Its Application to Information Retrieval. In: Proceedings of the 17th International Conference on World Wide Web. New York: ACM, 2008: 397-406.

[6] Egozi O, Gabrilovich E, Markovitch S. Concept-based Feature Generation and Selection for Information Retrieval. In: Proceedings of the 23rd AAAI Conference on Artificial Intelligence. Chicago: AAAI, 2008.

[7] Wu Z H, Meng W Y, Yu C, et al. Towards a Highly-Scalable and Effective Metasearch Engine. New York: Department of Computer Science, Binghamton University, 2001.

[8] Shokouhi M, Azzopardi L, Thomas P. Effective Query Expansion for Federated Search. In: Proceedings of SIGIR. Boston: ACM, 2009.

[9] Serdyukov P. Query Routing in Peer-to-Peer Web Search. Saarland: Saarland University,2005.

[10] 李培.基于词序的多关键词加权检索融合研究
[J]. 现代图书情报技术 ,2008(10):32-37.

[11] Metasearch Search Engine-Search.com. http://www.search.com.

[12] Ask.com-What’s Your Question?. http:// www.ask.com.

[13] Google. http://www.google.com.hk.

[1]	刘峰, 李煜, 吕学强, 李卓. 查询主题分类方法研究[J]. 现代图书情报技术, 2015, 31(4): 10-17.
[2]	冯平, 黄名选. 特征词抽取和相关性融合的伪相关反馈查询扩展[J]. 现代图书情报技术, 2011, 27(1): 52-56.
[3]	聂靖, 李强, 庞力, 应慧杰. 移动元搜索引擎中网页内容提取算法研究[J]. 现代图书情报技术, 2010, 26(10): 54-58.
[4]	王梅文. 基于本体进行自动分类的元搜索引擎的设计与实现[J]. 现代图书情报技术, 2008, 24(9): 58-63.
[5]	李培. 基于词序的多关键词加权检索融合研究*[J]. 现代图书情报技术, 2008, 24(10): 32-37.
[6]	王南,赵捧未,窦永香,秦春秀,赵飞. 图像语义检索中的反馈噪声及其抑制算法研究[J]. 现代图书情报技术, 2007, 2(10): 42-46.
[7]	欧阳剑,李冠盛 . 元搜索引擎原理在实现分布式虚拟联合目录中的应用研究[J]. 现代图书情报技术, 2006, 1(9): 63-67.
[8]	原福永,陈金森,林海霞 . 基于XML的智能元搜索引擎研究[J]. 现代图书情报技术, 2006, 1(7): 29-32.
[9]	陈祖琴,郑宏 . 基于元搜索引擎的中文数据库引文分析系统[J]. 现代图书情报技术, 2006, 1(11): 65-68.
[10]	张学宏（编译）. 元搜索引擎Dogpile研究[J]. 现代图书情报技术, 2005, 21(7): 34-37.
[11]	王蕙,沈玉利. 图书馆图片检索系统的几点关键技术研究[J]. 现代图书情报技术, 2005, 21(6): 39-44.
[12]	闫庆红,彭宇行. 一种新的数字图书馆图像检索算法[J]. 现代图书情报技术, 2005, 21(12): 30-33.
[13]	刘畅,林剑锋,王雁杰. 元搜索引擎的调查分析[J]. 现代图书情报技术, 2004, 20(9): 40-43.
[14]	宋玲丽,成颖. 相关反馈技术中的检索词排序算法[J]. 现代图书情报技术, 2004, 20(8): 44-47.
[15]	乐庆玲. 大型元搜索引擎的自动化构建[J]. 现代图书情报技术, 2004, 20(11): 35-38.

Viewed

Full text

Abstract

Cited

Shared

Discussed