39、信息检索与图像标注中的量子技术应用探索

信息检索与图像标注中的量子技术应用探索

在信息检索和图像标注领域，新技术的应用不断推动着相关研究的发展。本文将介绍动态量子聚类（DQC）在信息检索中的实验，以及基于量子理论的图像标注新方法。

动态量子聚类在信息检索中的实验

实验基于TREC 2001 Web Track测试集进行，该测试集包含网页语料库、50个主题以及人工评估的相关性评估。实验仅针对主题501和502，具体步骤如下：
1. 考虑针对特定主题q判断的文档集DJ,q。
2. 选择k个术语来表示文档，其中h个术语从主题标题中提取，k - h个术语从DJ,q中的文档中提取，不考虑停用词。
3. 准备一个术语 - 文档矩阵A ∈Rk×|DJ,q|，其中元素Aj,i是术语j在文档i中的权重wi,j。
4. 对A应用奇异值分解（SVD），将A分解为A = UΣV T，并考虑矩阵V的前k′列。
5. 对矩阵V T应用DQC。

为了实现上述步骤，对COMPACT软件进行了调整。步骤2旨在减少表示文档的术语数量，从而降低矩阵A的维度。实验通过改变σ的值（σ ∈[0.01, 1]）和术语选择策略进行，具体包括：
- 术语数量k ∈{10, 100, 1000}。
- 术语提取的集合，包括DJ,q、仅相关文档子集DR ⊆DJ,q、相关和非相关文档集大致相同数量的术语。
- 术语排序的权重，使用文档频率（DF）、逆文档频率（IDF）和RSJ术语加权计算。

实验结果表明，改变术语来源对两个主题的结果相当，改变σ对结果没有影响。表1显示了不同主成分数量下的各种有效性指标的平均值：
| k′ | 真阳性 | 假阳性 | 召回率 | 准确