基于层次依赖的Markov网络信息检索扩展模型

• 作者: 万常选 王明文 甘丽新
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 层次依赖 Markov网络 查询扩展 信息检索
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 1485-1493
• 页数: 9页
• 分类号: TP391
• 字数: 8080字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1409009

摘要

查询扩展是解决查询词与相关文档中的词不匹配而导致检索效率低下问题的关键技术之一。提出了基于层次依赖的Markov网络信息检索扩展模型。该模型综合考虑了候选词与查询词的层次距离、词间相关性、词节点的出度和路径等因素，通过层次依赖关系对候选词进行重新加权，选择与查询最为相关的候选词应用于信息检索扩展模型，有利于挖掘出更多潜在的、深层次依赖关系的查询候选词。在5个标准数据集上进行了实验，结果表明基于层次依赖的Markov网络信息检索扩展模型与未进行查询扩展的BM25模型相比，在3-avg和11-avg上分别提高了5%~41%和5%~70%不等，与基于直接相关的Markov网络信息检索扩展模型相比，该模型在总体检索效率上表现更优。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万常选	江西财经大学信息管理学院	85	1044	18.0	28.0
2	王明文	江西师范大学计算机信息工程学院	115	1470	19.0	34.0
3	甘丽新	江西财经大学信息管理学院	18	171	7.0	13.0