基于稳定性语义聚类的相关模型估计

• 作者: 吴江 孙芯宇 蒲强
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 信息检索 语义聚类 稳定性验证 独立分量分析 相关模型估计
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 1313-1318
• 页数: 6页
• 分类号: TP391.3
• 字数: 8636字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.05.1313

摘要

针对由不稳定聚类估计的相关模型影响检索性能的问题,提出了基于稳定性语义聚类的相关模型(SSRM).首先利用初始查询前N个结果文档构成反馈数据集;然后探测数据集中稳定的语义类别数量;接着从稳定性语义聚类中选择与用户查询最相似的语义类别估计SSRM;最后通过实验对模型的检索性能进行了验证.对TREC数据集5个子集的实验结果显示,SSRM相比相关模型(RM)、语义相关模型(SRM),平均准确率(MAP)性能最少提高了32.11％和0.41％;相比基于聚类的文档模型(CBDM)、基于LDA的文档模型(LBDM)和Resampling等基于聚类的检索方法,MAP性能最少提高了23.64％,19.59％和8.03％.实验结果表明,SSRM有利于改善检索性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴江	西南财经大学经济信息工程学院	44	570	13.0	22.0
2	蒲强	成都大学信息科学与工程学院	3	4	2.0	2.0
3	孙芯宇	西南财经大学经济信息工程学院	1	2	1.0	1.0