19、利用维基百科进行专利分类搜索中的查询短语扩展

利用维基百科进行专利分类搜索中的查询短语扩展

1. 引言

查询扩展（QE）是一种信息检索（IR）技术，用于提高文档检索的有效性，通常用于消除用户查询上下文的歧义。伪相关反馈（PRF）是一种自动查询扩展方法，它假设为查询检索到的排名靠前的文档是最相关的。然而，过去的研究表明，类似PRF的模型存在查询主题漂移和效率低下等问题。

人们也曾尝试使用词法资源（如WordNet）进行查询扩展，但由于其词汇和关系覆盖有限，且缺乏每个单词的上下文信息，导致有效性较低。虽然单词的歧义是使用查询扩展消除查询上下文歧义的主要原因，但短语也可以起到相同的作用，因为短语中的周围单词提供了额外的上下文信息。不过，当短语与单词一起用于信息检索时，效果往往不尽如人意，有效性仅有轻微提升甚至下降。

基于PRF中的主题漂移问题、自动识别短语无法提高检索有效性以及使用WordNet进行基于单词的查询扩展的局限性，本文提出了一种新颖的查询扩展方法，即利用维基百科的语义注释（即类别）进行查询短语扩展。该方法旨在通过结合WordNet和维基百科，减少查询主题漂移，处理单词同义词，并通过用短语丰富查询来消除查询上下文的歧义。

专利搜索是一个重要的信息检索领域，特别是在法律信息检索方面。当前的专利搜索系统采用基于关键字的方法，检索的有效性依赖于搜索关键字的质量。专利通常包含大量短语，适合测试本文提出的方法。此外，专利搜索的独特之处在于每个专利都被手动分配到国际专利分类（IPC）的一个或多个类别中，IPC具有三个层次的层次结构：子类（SC）、主组（MG）和子组（SG）。

在实验中，将本文提出的方法与相关性模型（RM）进行比较，因为RM常被用作比较基准。

2. 相关工作