정보처리학회논문지B (The KIPS Transactions:PartB)

한국정보처리학회 (Korea Information Processing Society)
권호 표지
DOI QR코드

DOI QR Code

핵심질의 클러스터와 단어 근접도를 이용한 문서 검색 정확률 향상 기법

A Method for Precision Improvement Based on Core Query Clusters and Term Proximity

  • 장계훈 (전북대학교 컴퓨터공학과) ;
  • 이경순 (전북대학교 컴퓨터공학부/영상정보신기술연구센터)
  • 투고 : 2010.07.21
  • 심사 : 2010.10.25
  • 발행 : 2010.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 상위 검색결과 문서의 정확률을 향상시키기 위하여 핵심질의 클러스터와 단어 근접도를 이용해 재순위화하는 방법을 제안한 다. 언어모델에 의한 초기 검색결과를 상위 문서에 대해 발생한 질의어휘 조합을 기반으로 문서를 클러스터링한다. 질의어휘 조합 클러스터에 대해 질의어휘 사이의 근접도를 이용하여 핵심질의 클러스터를 선택한다. 질의의 문맥정보를 이용해 핵심질의 클러스터의 문서를 재순위화한다. 뉴스집합인 TREC AP 컬렉션에 대해 언어모델과 제안한 방법의 문서 정확률을 비교한 결과 제안방법이 언어모델에 비해 상위 100개 문서(P@100)에서 11.2% 성능이 향상되었다.

In this paper, we propose a method for precision improvement based on core clusters and term proximity. The method is composed by three steps. The initial retrieval documents are clustered based on query term combination, which occurred in the document. Core clusters are selected by using proximity between query terms. Then, the documents in core clusters are reranked based on context information of query. On TREC AP test collection, experimental results in precision at the top documents(P@100) show that the proposed method improved 11.2% over the language model.

키워드

참고문헌

  1. Balinski, J., Danilowicz, C. 2004. Re-ranking method basedon inter-document distances. Information Processing andManagement, 41(2005)759-775. https://doi.org/10.1016/j.ipm.2004.01.006
  2. Sakai, T., Manabe, T., Koyama, M. 2005. Flexiblepseudo-relevance feedback via selective sampling. ACMTransaction on Asian Language Information Processing(TALIP), 4(2), pp.111-135. https://doi.org/10.1145/1105696.1105699
  3. Collins-Thompson, K., Callan, J. 2007. Estimation and Use ofUncertainty in Pseudo-relevance Feedback. In Proc. of 30thACM SIGIR on Research and Development in InformationRetrieval. pp.303-310.
  4. Lavrenko, V., Croft, W.B. 2001. Relevance-based languagemodels. In Proc. of 24th ACM SIGIR on Research andDevelopment in Information Retrieval. pp.120-127.
  5. Bendersky, M., Croft, W.B. 2008. Discovering Key Conceptsin Verbose Queries. In Proc. of 31st ACM SIGIR on Researchand Development in Information Retrieval. pp.491-498.
  6. Kumaran, G., Allan, J. 2008. Effective and Efficient UserInteraction for Long Queries. In Proc. of 31st ACM SIGIRon Research and Development in Information Retrieval.pp.11-18.
  7. Lv, Y., Zhai, C.X. 2009. Positional Language Models forInformation Retrieval. In Proc. of 32nd ACM SIGIR onResearch and Development in Information Retrieval.pp.299-306.
  8. Zhao, J., Yun, Y. 2009. A Proximity Language Model forInformation Retrieval. In Proc. of 32nd ACM SIGIR onResearch and Development in Information Retrieval.pp.291-298.
  9. Seo, J.W., Jeon, J.W. 2009. High Precision Retrieval UsingRelevance-Flow Graph. In Proc. of 32nd ACM SIGIR onResearch and Development in Information Retrieval. pp694-695.
  10. Ponte, J.M., Croft, W.B. 1998. A Language ModelingApproach to Information Retrieval. In Proc. of 21st ACMSIGIR on Research and Development in InformationRetrieval. pp.275-281.
  11. Strohman, T., Metzler, D., Turtle, H., and Croft, W.B. 2005.Indri: A language model-based search engine for complexqueries. In proc. International Conference on IntelligenceAnalysis. http://www.lemurproject.org
  12. 신승은, 강유환, 오효정, 장명길, 박상규, 이재성, 서영훈, 2003. 문서필터링을 위한 질의어 확장과 가중치 부여기법. 정보처리학회 논문지. 제10-B권. 제7호. pp.743-750.