基于查询词出现的相关度改进 - 北京大学网络与信息系统研究所.pdf

基于查询词出现的相关度改进 赵东生, 单栋栋, 闫宏飞 北京大学 网络与分布式系统实验室， 100871 报告编号 PKU_CS_NCIS_TR2009001 提交时间 2009-11-18 北京大学 信息科学技术学院 网络与信息系统研究所，100871 北京大学信息科学技术学院 • 网络与信息系统研究所： PKU_CS_NCIS_TR2009001 基于查询词出现的相关度改进∗ + + + 赵东生 ,, 单栋栋 闫宏飞 + （北京大学信息科学与技术学院， 100871 ） 摘要：对检索效果的改进，一直是信息检索领域重要的研究内容。本文所谓的查询词出现信息，指的是查询中的 某个词是否在文档中出现。在一个查询中，一个查询词是否在文档中出现，会影响该文档的相关性，这个性质已 经在已有的检索模型中得到应用。本文则从另外一个角度，通过查询词出现信息计算相应的权值，将该权值应用 到已有的检索模型基础上。对于权值的计算，本文采用了两种改进方法，即系数加权方法和线性加权方法。通过 在 GOV2 的数据的实验，我们发现，无论哪种方法，通过加入查询词的出现信息，都可以有效的改进检索的相关度 。本文所描述的方法已经应用到TREC 2009的Web Track 中。 关键词： 信息检索；词出现；相关度改进 Improving Retrieval Relevance Based on Term Occurrence + + + Dongsheng Zhao ,, Dongdong Shan Hongfei Yan CNDS Lab, Peking University+ Abstract: Considerable research effort has been made to improve the effectiveness of information retrieval systems. Whether a query term appears in a document, this can definitely affect the relevance of document, and this property is already applied to many retrieval models. However, by computing the weight of term occurrence and combine it to the extended BM25 model, we can improve the retrieval effectiveness. We tried two methods, that is factor weighted method and linear weighted method. We find that both the two methods can improve the retrieval effectiveness. Key words: information retrieval; term occurrence; relevance improvement. 1. 引言 对检索相关度的改进，一直是信息检索领域重要的研究内容。而查询和文档的相似或者匹配 程度