基于PageRank的Markov网络信息检索扩展模型

• 作者: 曹瑛 涂伟 王明文 甘丽新
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 查询扩展 Markov网络 PageRank算法 信息检索
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 第十九届全国信息检索学术会议(CCIR 2013)论文选登
• 页码范围: 12-18
• 分类号: TP391
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2014.01.003

摘要

传统的查询扩展技术大都依据单个查询词的相关性来扩展查询词,忽略了查询词之间的相关性以及查询扩展词的不同重要程度,使得扩展效果不佳.针对此问题,提出了一种基于PageRank算法的查询扩展模型,该模型在Markov网络检索模型的基础上,从查询本身出发,将所有与查询相关的词组成Markov查询关联子网,在此子网上应用PageRank算法来计算候选扩展词的权重,由权重序来确定扩展词的选取,排名前列的扩展词进入检索阶段,消除噪音,提高检索效率.在标准数据集上的实验结果表明,本文提出的模型能有效地改善检索效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王明文	江西师范大学计算机信息工程学院	115	1470	19.0	34.0
2	涂伟		23	202	8.0	13.0
3	甘丽新		18	171	7.0	13.0
4	曹瑛	江西理工大学现代教育技术及信息中心	10	30	3.0	5.0