[发明专利]一种信息检索结果排序方法、计算机设备和存储介质

说明书

本发明适用于信息检索技术领域，提供了一种信息检索结果排序方法，包括标注训练数据、文本特征抽取、训练学习函数等步骤，本发明的有益效果是：根据与查询相关信息，如点击数据、网页的锚文本和PageRank得分等，将这些信息融入到特征模型中，并使用学习排序技术自动构建排名模型，在信息检索、自然语言处理和数据挖掘等领域具有广阔的应用前景。

技术领域

本发明涉及信息检索技术领域，尤其涉及一种信息检索结果排序方法、计算机设备和存储介质。

背景技术

在信息检索领域，传统的排序方法是通过构造一个排序函数实现，一般按照相关度进行排序。比较典型的是搜索引擎中一条查询，将返回一个相关的文档，然后根据检索关键字和文档之间的相关度进行排序,再返回给用户。

而随着影响相关度的因素变多，使用传统排序方法变得困难。传统的排序方法很难融合多种信息，比如向量空间模型以tf*idf作为权重构建相关度函数，就很难利用其他信息，并且如果模型中参数比较多，也会使得调参非常困难，而且很可能会出现过拟合现象。

基于此，本申请提出了一种信息检索结果排序方法、计算机设备和存储介质。

发明内容

本发明实施例的目的在于提供一种信息检索结果排序方法、计算机设备和存储介质，旨在解决背景技术中提出的技术问题。

本发明实施例是这样实现的，一种信息检索结果排序方法，包括以下步骤：

标注训练数据

寻找与查询相关的文档，并对文档进行相关度排序；具体的，

文本特征抽取

确定文档的特征数量，将所述文档转换成特征向量，形成包含有特征向量和相关度的训练实例；

训练学习函数

定义Q＝{q₁,q₂,L,q_m}为查询集，q_i为第i个查询，D为与查询集Q相关的文档集，其中，D_i＝{d_i,1,d_i,2,L,d_i,ni}为与q_i查询相关的文档集,d_i,j表示文档集D_i中的第i个文档，Y＝{1,2,L,1}是相关度集，其中，y_i＝{y_i,1,y_i,2,L,y_i,ni}为与q_i查询相关的文档相关度集；

由此可得原始训练集为特征向量由每个查询文档对(q_i,d_i,j),i＝1,2,L,m；j＝1,2,,n_i生成，为特征函数；

X_i＝{x_i,1,x_i,2,L x_i,ni}，设定训练数据集x∈X且以训练局部排序模型f(q,d)＝f(x)，将分数赋予给定的查询文档对(q,d)，对训练数据集S'输出分数列表；

依据分数列表对文档集D_i定义排名表Rankinglistπ_i，通过下标做双向映射，以π_i表示所有文档在文档集D_i内的可能映射，π_i(j)代表第j个文档在π_i中的排序，排序方式通过f(q_i,d_i)对查询q_i选择一个排序映射π_i∈∏_i和文档集D_i；