[发明专利]一种基于伪相关反馈模型的信息检索方法及系统

权利要求书

1.一种基于伪相关反馈模型的信息检索方法，其特征在于：将词相关度融合到伪相关反馈模型中实现信息检索，包括在伪相关文档集合中生成查询扩展词的时候，分别生成以候选扩展词的重要度为特征的查询扩展词和以候选扩展词与查询主题词的相关度为特征的查询扩展词，再将两者结合到原查询扩展词中，完成最终的信息检索；生成以候选扩展词与查询主题词的相关度为特征的查询扩展词时，采用核函数计算文档中出现在不同位置上的查询词和候选词之间的相关度；

所述将词相关度融合到伪相关反馈模型中实现信息检索，实现方式如下，

当用户提交查询主题时，将查询主题进行预处理得到查询关键词Q，D为所有目标文档，N_D为目标文档集合D的文档总数，通过预设的检索权重模型计算查询关键词Q与目标文档集合D中的每一个文档的得分，按得分结果从高到低排列得到第一次查询结果；设根据伪相关反馈的方式取出目标文档集合D中的前N篇文档作为伪相关文档集合D₁，在进行查询扩展词选择的时候进行以下步骤，

步骤1，将伪相关文档集合D₁中每篇文档中所有的词作为扩展候选词，分别计算各扩展候选词t_j本身在伪相关文档集合D₁的文档d_i中的重要度得分得到各文档d_i的重要度向量如下，

其中，i＝1,2,3…,N，j＝1,2,3…,n；

计算扩展候选词在所有文档中的重要度得分向量如下，

将中每个扩展候选词的重要度得分取出后按从大到小的顺序排序，将得分最大的前n₁个值在对应的扩展候选词选取出来构成重要度查询扩展词集合Q₁，用多项式V₁表示重要度查询扩展词集合Q₁中的每个词和该词对应的重要度得分；

步骤2，将伪相关文档集合D₁中每篇文档中所有的词作为扩展候选词，分别根据共现位置和次数采用核函数计算各扩展候选词t_r与查询关键词Q在文档d_i中的相关度得分得到各文档d_i的相关度向量如下，

其中，i＝1,2,3…,N，r＝1,2,3…,n；

计算扩展候选词在所有文档中的相关度得分向量如下，

将中每个扩展候选词的相关度得分取出后按从大到小的顺序排序，将得分最大的前n₁个值在对应的扩展候选词选取出来构成相关度查询扩展词集合Q′₁，用多项式V₁'来表示查询扩展词集合Q′₁中的每个词和该词对应的相关度得分；

步骤3，将步骤1和步骤2中所得多项式V₁和V₁'归一化后再进行线性组合，得到新的查询词多项式V如下，

V＝(1-γ)×||V₁||+γ×||V₁'||

其中，||X||表示对向量X进行归一化运算，γ为调节因子；

步骤4，根据步骤3所得查询词多项式V按每个词项的系数从大到小排序，将系数最大的前n₁个词项取出得到新的扩展词集合

步骤5，设查询关键词Q包括查询词q_s，s＝1,2,3…,m，将查询关键词Q表示为多项式V_Q，每个查询词的系数值设为1.0；将步骤4中得到的扩展词集合用多项式V'表示，

将查询多项式V_Q和查询扩展词多项式V'归一化后进行线性组合，到新的查询词多项式K如下，

K＝α×||V_Q||+β×||V'||

其中，α和β为调节因子；

步骤6，根据步骤5所得查询词多项式K得到新的查询关键词集合Q'，使用新查询关键词集合Q'和Q'中每个查询词在查询词多项式K中对应的权重，采用预设的检索权重模型进行第二次信息检索，得到的查询结果作为最终信息检索结果。

2.根据权利要求1所述基于伪相关反馈模型的信息检索方法，其特征在于：步骤1中，重要度得分采用TFIDF、BM25或RM3方式求取。