基于分类的term重要性识别方法

• 作者: 邱云飞 邵良杉 鲍莉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 分类 依存句法分析 查询词权重 查询分析 term重要性 搜索引擎 信息检索
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 242-247
• 页数: 6页
• 分类号: TP311.1
• 字数: 7644字
• 语种: 中文

摘要

在传统的搜索引擎和信息检索中,用户Query中的term-weight通常是以一种上下文无关的方式得到的.现有的大多数信息检索技术都使用词袋方法,例如布尔模型、向量空间模型和概率模型等,这些方法均没有考虑Query中term之间的相关性.为了能够充分利用Query中的信息来提高term-weight的准确度,提出了一种有监督的机器学习方法来学习用户Query中的term-weight.该方法基于分类的方法,并引入了句法分析作为分类的一项重要的特征来训练模型.考虑用户Query中term之间的关系后,既避免了由Query到单个term的信息丢失,又增加了短文本的特征,同时使分类器实现软输出,能够给term的重要程度一个更为准确的量化值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵良杉	辽宁工程技术大学系统工程研究所	189	1464	18.0	27.0
2	邱云飞	辽宁工程技术大学软件学院	70	620	13.0	22.0
3	鲍莉	辽宁工程技术大学软件学院	1	1	1.0	1.0