闫 蓉，高光来

(内蒙古大学 计算机学院，内蒙古 呼和浩特 010021)

基于伪文档的伪相关反馈方法

闫 蓉，高光来

(内蒙古大学 计算机学院，内蒙古 呼和浩特 010021)

传统的伪相关反馈(Pseudo Relevance Feedback, PRF)方法通常是以文档作为扩展源单元提取扩展词，提取粒度过大造成扩展源质量下降，使得检索结果鲁棒性差。该文研究利用主题分析技术，尝试将文本语义内容作为扩展源单元，缓解扩展源质量不高的问题。提出并实现了对文本集中各文档内容的伪文档描述，通过对其进行隐式多样化处理，实现了从更细微的文本内容角度出发提取扩展词。通过在真实NTCIR8中文语料的检索结果表明，该方法可以有效地提升伪相关反馈的检索性能。

伪相关反馈；伪文档；主题分析；隐含主题

1 引言

对于基于关键词的检索方式，通常用户是通过构造短查询来表达其查询需求的。这样的结果是，检索效果会因为用户查询需求表达不全而表现不佳。为了弥补用户查询表达不全的问题，查询扩展(Query Expansion)技术[1]通过将与用户查询意思相近的词语引入用户初始查询，达到提高检索性能的目的。伪相关反馈(Pseudo Relevance Feedback, PRF)是一种自动局部查询扩展技术，假设用户查询的初检结果中排名靠前的文档，是与用户查询相关的，记为伪相关文档集(pseudo relevant set)，并从中抽取扩展词来对用户查询进行重构。该项技术在信息检索中被广泛应用[2-7]。然而，PRF的检索性能严重受限于伪相关文档集的质量和数量，也是影响PRF查询精度的主要原因，具体表现在两个方面。……