结合语义与视觉信息的长查询图像重排序

长查询已经成为现今图像搜索领域越来越重要的一部分,但是相比于短查询,搜索引擎在处理长查询的图像检索时由于正样本的稀缺,性能不佳.提出一种结合语义与视觉信息的长查询图像重排序方法,该方法同时考虑了图像的标注信息以及视觉特征信息.具体来讲,基于多媒体语料库以及Word Net和维基百科知识资源,进行语义相关性估计,与图像视觉特征分析得到的相关性分数线性加权,完成图像搜索结果的重排序.在Flickr图像搜索数据集上的实验结果表明,本文方法能够有效提高图像搜索结果的重排序性能.

基于用户行为的长查询用户满意度分析

搜索引擎性能评估是信息检索界一个重要课题.长查询具有较为丰富的信息内容,能更加准确地描述用户的信息需求.在此基础上文中提出长查询用户满意度分析的整体框架,定义用户满意度的概念,并在用户日志中提取相关用户行为特征,应用决策树和SVM两种分类算法评测用户满意度.在大规模商业搜索引擎日志上完成的实验结果证明了这套评价体系的有效性.结果表明,用户对于查询满意和不满意的分类准确率分别达到86%和70%.

基于依存关系匹配的长难查询处理

目前,搜索引擎中对长难查询的处理问题越来越多的被重视,而传统的商业和学术搜索引擎技术对长难查询总是力不能及,长难查询处理不当将导致检索结果偏离查询主题,这是影响平均检索性能的重要原因之一。本文将传统的＂词袋＂思想进行扩展,将文档看成由句子组成的＂句袋＂,提出了利用依存句法关系分析得到＂句袋＂中各句子中以及长难查询中的词搭配对依存关系,利用两者依存关系的匹配程度,计算得到长难查询和初次检索返回文档之间的相似度,从而对初始检索结果进行重排序。与传统的检索方法相比较,本方法充分利用了长难查询和文档中的依存句法关系信息。通过在TREC标准数据集上的实验,证明了本文方法能够较有效地解决由于查询的长难所导致的偏离查询主题和低召回率情况下相关文档排序靠后这两个问题。对于低召回率的情况,检索结果的MAP值和P@N这两个评价指标都有显著的提高。