基于SRCSAC评价框架挖掘的跨语言查询译后扩展

• 作者: 朱丽娜 黄名选
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 信息检索 查询扩展 跨语言信息检索 自然语言处理
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 短文
• 页码范围: 2787-2796
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2018.1647

摘要

提出一种面向查询扩展的基于评价框架SRCSAC(support-relevancy-chi-square analysis-confidence)的加权关联规则挖掘算法,给出跨语言查询译后扩展模型和新的扩展词权值计算方法,并提出基于SRCSAC框架挖掘的跨语言查询译后扩展算法.该算法采用支持度-关联度框架和新的剪枝策略挖掘有效频繁项集,通过卡方分析-置信度框架从有效频繁项集中提取加权关联规则,根据扩展模型从关联规则中获取优质扩展词,实现跨语言译后扩展.实验结果表明:所提算法能有效遏制查询主题漂移和词不匹配间题;与基准检索比较,其前件扩展、后件扩展和混合扩展的MAP最低平均增幅分别为86.85％、86.04％和86.00％;与对比方法比较,其长查询检索的MAP最低平均增幅分别可达12.23％、9.06％和12.6％,都高于短查询检索的增幅;与后件扩展算法比较,前件扩展和混合扩展的MAP最高增幅可达5.5％;置信度有助于提升前件扩展和混合扩展算法的检索性能,关联度有利于后件扩展算法检索性能的提高,支持度和关联度对后件扩展算法的短查询检索更有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱丽娜		11	31	2.0	5.0
2	黄名选		8	56	4.0	7.0