王雅蓉 李亮 吴胜利

摘 要：对支持检索结果多样化任务的信息源选择进行了研究。分析了现有研究的不足，提出利用詞向量提取文本的语义特征，在此基础上实现文档建模和信息源选择。采用ClueWeb12b-13数据集构建实验平台和进行实验，基于R方法的评价结果表明，所提出的方法优于现有的方法GLS和MnStD，且在不同条件下性能稳定。

关键词：联邦搜索；信息源选择；检索结果多样化；词向量

中图分类号：TP391.3 文献标识码：A

文章编号：2096-1472（2018）-11-01-05

1 引言（Introduction）

联邦搜索是一种信息检索形式，主要用于检索多个分布的、独立性较高的信息源[1-3]。目前，一些大型的搜索引擎，如LinkedIn等，通过联邦的方式来完成搜索任务。对于用户提交的特定查询，联邦检索系统分析各子检索系统中的数据源，选择一些相关文档数目较多者，向那些选中的子检索系统移交检索请求，然后回收各子检索系统的检索结果并加以合并，最后将合并的结果返回给用户[3，4]。联邦搜索使得用户通过统一的用户界面同时访问多个独立的信息源，可用性较高。

检索结果多样化[5，6]是信息检索的一项重要任务，其目的是使得结果列表中的文档不仅与查询相关，而且要求这些文档覆盖与查询相关的各个方面。在大多数的检索环境中，特别是对于查询词较少的短查询，用户的查询意图往往不够清晰明确，不同的用户对某一查询项也可能存在不同的查询需求。对于检索结果进行多样化处理可以更好地提升用户的检索体验。……