-
题名基于查询性能预测的鲁棒检索排序研究
- 1
-
-
作者
薛源海
俞晓明
刘悦
关峰
程学旗
-
机构
中国科学院网络数据科学与技术重点实验室
中国科学院计算技术研究所
中国科学院大学
-
出处
《中文信息学报》
CSCD
北大核心
2016年第5期169-175,186,共8页
-
基金
国家自然科学基金(61232010
61173008)
+5 种基金
国家"863"高技术研究发展计划(2012AA011003
2013AA01A213)
国家"973"重点基础研究发展规划(2012CB316303
2013CB329602)
国家科技部"十一五"科技计划(2012BAH39B02
2012BAH46B04)
-
文摘
信息检索技术致力于从海量的信息资源中为用户获取所需的信息。相较于传统的简单模型,近些年来的大量研究工作在提升了检索结果平均质量的同时,往往忽略了鲁棒性的问题,即造成了很多查询的性能下降,导致用户满意度的显著下降。本文提出了一种基于排序学习的查询性能预测方法,针对每一个查询,对多种模型得到的检索结果列表进行预测,将其中预测性能最优的检索结果列表展示给用户。在LETOR的三个标准数据集OHSUMED、MQ2008和MSLR-WEB10K上的一系列对比实验表明,在以经典的BM25模型作为基准的情况下,与当前最好的检索模型之一LambdaMART相比,该方法在提升了检索结果平均质量的同时,显著地减少了性能下降的查询的数量,具备较好的鲁棒性。
-
关键词
查询性能预测
排序学习
鲁棒检索排序
-
Keywords
query performance prediction
learning to rank
robust ranking
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
