支持搜索结果多样化的排名算法比较研究

近年来在信息检索领域研究人员提出了多种支持结果多样化的排名算法,但还没有相关文献对这些算法的性能进行系统的分析和比较。为此,在数据融合排名算法Comb Sum的基础上,提出一种同时考虑文档相关性和多样性的排名算法Comb Sum Div,并将其与x Qu AD和PM2这2种显式排名算法进行性能比较。在TREC多样性任务提供的查询数据集和Clue Web09B数据集上的实验结果表明,Comb Sum Div查询性能较优、x Qu AD次之、PM2较差,且3种算法均具有较强的稳定性及抗干扰能力。

论子话题粒度对搜索结果多样化算法的影响

随着生活节奏的加快,用户习惯将简短的查询提交给搜索引擎,并希望搜索引擎能体贴地将自己需要的结果返回在靠前的结果中。面对大量有歧义的或者意义广泛的查询,搜索引擎努力地识别用户意图,并试图用有限的结果取悦更多的用户。为了解决这个问题,搜索结果多样化技术应运而生,其任务是是对搜索结果进行重排序,在有限的搜索结果中满足尽可能多的用户意图。该文重点关注多样化算法中子话题的粒度问题。利用传统方法生成了不同粒度的子话题,并比较了使用不同粒度的子话题对搜索结果多样化算法的影响。实验结果表明,经典多样化算法使用细粒度的子话题时表现更好。

融合文献多元特征的学术搜索策略优化研究

[目的/意义]在学术资源搜索领域中,用户存在使用语义宽泛的查询式进行搜索的行为,该行为导致搜索结果的冗余性,降低了用户的搜索效率。通过搜索结果多样化的方法,可以优化搜索结果排序,提高用户的搜索效率。[方法/过程]结合江苏省科学技术情报研究所的文献搜索平台日志数据,探讨了学术文献特有的分类组织方法在学术搜索中的作用,并在传统搜索结果多样化方法的基础上,提出了一种融合文献多元特征的学术搜索排序优化方法。[结果/结论]实验结果显示,学术文献特有的分类组织方法能在一定程度上提高用户搜索效果,而融合文献多元特征的排序优化方法,能有效提高用户的搜索效率。