基于重排序融合的社会图书检索系统

用图书的出版信息和用户生成的社会信息从社会媒体中搜索出相关的图书已成为信息检索系统的一个研究热点。大部分的信息检索系统都是由单一的检索方法构成,随着用户需求的不断增加,这些系统难以满足用户需求。针对上述问题,提出了一种基于重排序融合的图书检索系统。使用伪相关反馈技术对用户查询内容进行扩展,并将检索结果作为初排序结果;再使用用户生成的社会信息特征对初排序结果进行重排序,最后采用排序学习模型对多种重排序策略得到的结果进行融合。在INEX 2012—2014 Social Book Search公开数据集上针对其他先进检索系统进行了对比实验,实验结果表明,系统的性能(NDCG@10)优于其他方法构成的图书检索系统。

基于社会信息重排序的图书检索方法

随着社交网络的兴起和发展,互联网上出现了大量与商品有关的社会信息。如何利用这些社会信息结合商品元数据进行检索和推荐是信息检索领域中一个热门的研究问题。本文以社会图书检索为例,提出了一种通用的信息检索方法来解决这一问题。首先,通过分析原始图书数据集和图书的用户标签、用户评分和流行度等社会信息,从图书中提取不同的社会特征构建特征矩阵;然后分别计算图书在各种社会特征上的相似度,并使用不同的策略对搜索引擎返回的排序结果进行重排序;最后使用学习排序的方法进行重排结果融合,得到最终的图书检索结果。在实验中,使用该检索方法在INEX Social Book Search 2015和2016数据集上分别进行了训练和测试。结果表明,相比现有的技术,该检索方法能够有效提升图书检索的效果。

XML图书搜索中基于用户社会关系的查询推荐方法

基于关键词的图书搜索系统由于用户输入查询词的模糊性和简单性往往需要利用查询推荐技术对查询词进行扩展。目前的图书查询推荐方法不能辨别出不同用户在不同时期的图书请求意图和兴趣。提出一种基于用户社会关系的查询推荐方法,首先通过分析用户个人资料信息建立用户社会关系对象集合;其次获取用户社会关系对象对图书的标记词,计算输入查询词与标记词之间的共现率并建立用户社会关系标记词推荐集合,选取与查询词共现率最高的标注词进行查询词扩展。在实际图书数据集上的实验表明,该方法大大提高了查询结果的NDCG@10值,提高用户的满意度,表明该方法具有可行性。