基于多查询数据融合和正相关反馈的检索算法

为提高信息检索系统的性能,提出了一种多查询数据融合与正相关反馈相结合的检索算法.算法的核心思想是:利用基于向量表示的余弦相似度测度计算查询与文档之间的相似度,采用多查询数据融合技术将多个检索结果融合,以及从上一次检索结果中取出前M个相关文档和初始查询一起构成新的查询,将新查询提交给系统并继续下一次的检索,如此反复,直到获得满意的结果.实验结果表明,该算法相对于仅使用了多查询数据融合技术的算法和仅使用了正相关反馈技术的算法,其平均准确率分别提高42.6%和23.17%.

基于动态权重查询点移动的正相关反馈方法

为克服查询点移动算法中各加权常数的不确定性,以及权重查询点移动方法中正反馈样本构成的衰减向量非最优化问题,提出了一种新的正相关反馈算法。在确定最优查询向量时,以记忆的前次最优查询向量作为以往正反馈的衰减向量,利用当次用户所选反馈样本动态地确定衰减因子,最后将衰减向量与本次用户所选反馈样本结合不断更新最优查询向量,为后续反馈积累了更多用户检索意图信息。对比实验结果表明,该算法能加快最优查询向量调整速度,改善检索性能。