基于數(shù)據(jù)集特征的偽相關(guān)反饋中平衡參數(shù)自調(diào)節(jié)方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，網(wǎng)上文本數(shù)量呈指數(shù)級(jí)增長(zhǎng)，如何有效檢索這些海量信息成為當(dāng)前重要的研究課題。文本信息檢索是處理海量文本的重要手段。文本信息檢索是指從大量文檔集合中找到與給定的查詢請(qǐng)求相關(guān)的、恰當(dāng)數(shù)目的文檔子集。面對(duì)龐大的文本信息，各種檢索模型被相繼提出，而其中最有效的一種就是偽相關(guān)反饋(PRF)模型。
　　偽相關(guān)反饋已經(jīng)被證明是一種有效提高文本檢索性能的方法，并且被廣泛使用。對(duì)于偽相關(guān)反饋來(lái)講，如何選擇原始查詢與擴(kuò)展查詢?cè)~

2、之間的平衡參數(shù)是一項(xiàng)重要但卻困難的工作。傳統(tǒng)方法中，平衡參數(shù)在不同的數(shù)據(jù)集和不同的查詢?cè)~中通常被設(shè)置成相同的經(jīng)驗(yàn)值。然而由于數(shù)據(jù)集之間、查詢?cè)~之間都各不相同，為了提升檢索效果，該平衡參數(shù)應(yīng)該有所不同。近期有研究提出了基于機(jī)器學(xué)習(xí)的方法，通過(guò)分析基于查詢?cè)~和反饋文檔的特征來(lái)預(yù)測(cè)該平衡參數(shù)。本文中，考慮到數(shù)據(jù)集的差異同樣會(huì)影響到平衡參數(shù)的選擇，我們提出了基于數(shù)據(jù)集的三類特征，包括查詢?cè)~的信息含量，反饋文檔和擴(kuò)展詞的可靠性。
　　本文基