情报学报  2019, Vol. 38 Issue (10): 1066-1077    DOI: 10.3772/j.issn.1000-0135.2019.10.007
  情报分析方法与技术 本期目录 | 过刊浏览 | 高级检索 |
基于深度学习的查询扩展研究
余传明1, 蔡林1, 胡莎莎1, 安璐2
1.中南财经政法大学信息与安全工程学院,武汉 430073
2.武汉大学信息管理学院,武汉 430072
Research on Query Expansion Based on Deep Learning
Yu Chuanming1, Cai Lin1, Hu Shasha1, An Lu2
1.School of Information and Safety Engineering, Zhongnan University of Economics and Law, Wuhan 430073
2.School of Information Management, Wuhan University, Wuhan 430072
全文: PDF (1388 KB)   HTML (155 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 通过在查询扩展中引入深度学习框架,并结合局部和全局查询扩展模型,从而解决查询扩展中伪相关反馈引起的查询漂移问题。选择eBay于2017年发布的查询短语和商品名称作为实验数据,在伪相关反馈的基础上提出基于深度学习的查询扩展模型(deep learning based query expansion model,DLQEM),以实现更准确有效的查询扩展,并将其应用到信息检索任务中。实验结果表明,DLQEM的precision@10值在伪相关反馈(PRF)的基础上分别提高了3.5%和3.7%,验证了本文所提出假设(通过概念相关扩展词与反馈信息扩展词取交集能够有效地控制反馈相关扩展词造成的查询漂移)的有效性。深度学习能够解决监督学习在短文本集上难以获得好的分类效果的问题,将其与传统查询扩展模型进行结合,解决了传统查询扩展中需要用户参与和检索速度迟缓两大弊端,控制了查询漂移。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
余传明
蔡林
胡莎莎
安璐
关键词 信息检索查询扩展深度学习伪相关反馈    
收稿日期: 2018-08-27     
基金资助:国家自然科学基金面上项目“大数据环境下基于领域知识获取与对齐的观点检索研究”(71373286);中南财经政法大学中央高校基本科研业务费专项资金资助项目“大数据视角下的中美贸易战观点挖掘研究”(2722019JX007)。
作者简介: 余传明,男,教授,研究方向为数据挖掘、信息检索和商务智能,E-mail:yucm@zuel.edu.cn
引用本文:   
余传明, 蔡林, 胡莎莎, 安璐. 基于深度学习的查询扩展研究[J]. 情报学报, 2019, 38(10): 1066-1077.
Yu Chuanming, Cai Lin, Hu Shasha, An Lu. Research on Query Expansion Based on Deep Learning. 情报学报, 2019, 38(10): 1066-1077.
链接本文:  
https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2019.10.007     或     https://qbxb.istic.ac.cn/CN/Y2019/V38/I10/1066