27、自动查询扩展与分层分类法集成的研究进展

自动查询扩展与分层分类法集成的研究进展

在信息检索和分类法管理领域，自动查询扩展和分层分类法集成是两个重要的研究方向。本文将介绍相关研究中使用的特征、实验环境、结果以及提出的新方法，以帮助大家更好地理解这些技术的应用和发展。

查询分析与候选依赖特征

在查询分析方面，有多种特征与查询难度相关。例如，QIDF、QNS和QMXS等特征已被证明与查询Q的难度存在关联。QMPS和QMXS利用了信息检索（IR）系统提供的检索分数，其中QMPS比较特殊，仅由Okapi系统支持。QPS的提取依赖于WordNet提供的词义频率信息，设qi在WordNet中第一个词义的频率为fi1，所有词义频率之和为fi，则QPS为qi∈Q时(fi1 / fi)的值。

候选依赖特征方面，CPS的提取与查询分析类型的QPS类似。CCRK、CCSA、CWRK和CWSA是从查询Q在ConceptNet和WordNet中的扩散激活结果中提取的。CMPS和CMXS的提取与QMPS和QMXS类似，不过这里的查询会通过分配权重的ek进行扩展。CPTD和CPTT则用于计算ek在查询Q初始检索结果的排名靠前文档中出现的概率。

实验环境与相关设置

实验使用了TREC - 6、TREC - 7和TREC - 8的主题，共150个主题，仅使用每个主题的标题部分来模拟网络搜索中的短查询。IR系统采用Okapi - BM25。从WordNet或ConceptNet中选取除查询词外激活分数排名前N的词作为每个查询的候选扩展词集。采用最先进的分类算法SVM进行粗粒度权重分类，并使用默认的径向基函数作为核函数。当使用TREC - 6主题进行测试时，TREC - 7和TREC - 8主题用于训练，反之亦然。