woniu317的专栏

在闲暇之余将自己的所学所思分享,与大家共同学习进步,个人邮箱:woniu317@126.com...

检索结果聚类、排名

1. 问题定义

        例如我们在Google scholar上搜索databasehistogram的结果如图1-1所示。注意到搜索结果又22万条,而Google只提供了按相关性排序和按日期排序两种方式。若两条检索结果除了包含查询关键字外还包含至少一个其它关键字,则将他们聚为一类。依据包含相同关键字的属性值得分对聚集类进行排序,而他们的得分是根据为他们属性值之和。属性之包括被引用次数、作者的PageRank得分、出版社的档次等。

        例如,有k1,k2,k3三个关键字,查询关键字为k1。易得所有包含关键字k2的结果总得分、所有包含k3的结果总得分以及所有既包含k2有包含k3的结果总得分。按照他们的总得分进行排序。

 

图1-1 database histogram搜索结果

     进一步分析,不难得出求出所有结果的总得分显得有失公平性,因此作者从包含其它相应关键字的结果中抽取得分最高的N项代替所有结果求得总得分,从而达到排序的目的。

2. 作者的方法

       自己的猜测:显然我们可以根据倒排表迅速完成对搜索结果的聚类,但需要注意的是如果出了查询关键字外还有n个关键字,则将有2n中组合方案,如果一一枚举将是NPC问题。因此作者将搜索结果分别按各个属性降序排列,每个属性值轮流取值以方便得到上下界。最终求得包含哪个或者哪几个关键字的搜索结果属性之得分高,则将他们排在前边,直到我们求出k个,计算结束。

        详细过程见论文:Adding Structure to Top-K: From Items to Expansions。

3.个人理解

        语义方面:虽然能计算出包含哪些非关键字的结果总得分较高,但将所有包含该关键字的所有搜索结果排在前边显然是不合理的。例如,有k1,k2,k3三个关键字,k1为查询关键字,我们计算top-1。假设包含k2的结果得分高于k3的,且包含k2的所有结果共有m项。显然很容易得出包含关键字k3的搜索结果中存在比包含关键字k2的搜索结果的得分高的项,因此将所有包含关键字k2的排在包含关键字k3的前边有失公平性。

       求解方面:作者将搜索结果的各项属性值分开排序,而根据以前听的关于反向top-k的文章(finding k mostfavorite products based on reverse top-t queries)中提到,可以将每项搜索结果的各个属性值当成一项,按照每项中属性值最大的那项进行排序,找出主导项,从而可以求出top-k。可行性有待进一步分析。

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/woniu317/article/details/17100665
文章标签: 检索结果聚类
个人分类: 听论文报告总结
上一篇最近邻居搜索——压缩存储
下一篇word 目录格式调整
想对作者说点什么? 我来说一句

Lingo搜索引擎算法 结果聚类

2009年11月29日 252KB 下载

没有更多推荐了,返回首页

关闭
关闭