[論文レビュー] Enhancing Content-And-Structure Information Retrieval using a Native XML Database

Jovan Pehcevski, James A. Thom+1 more|ArXiv.org|Aug 2, 2005

Advanced Database Systems and Queries参考文献 12被引用数 4

ひとこと要約

本論文では、Zettairの全文検索機能とeXistのネイティブXMLデータベース機能を組み合わせたハイブリッドXML検索システムを提案する。さらに、構造的要素をランク付けするための新規な整合的検索要素（CRE）モジュールを導入し、XMLドキュメント内の構造的関係を活用することで、検索効果を向上させた。INEX 2003のコンテンツおよび構造（CAS）検索タスクにおいて、Zettairに比べ1.8倍、eXistに比べ3倍の高い性能を達成した。

ABSTRACT

Three approaches to content-and-structure XML retrieval are analysed in this paper: first by using Zettair, a full-text information retrieval system; second by using eXist, a native XML database, and third by using a hybrid XML retrieval system that uses eXist to produce the final answers from likely relevant articles retrieved by Zettair. INEX 2003 content-and-structure topics can be classified in two categories: the first retrieving full articles as final answers, and the second retrieving more specific elements within articles as final answers. We show that for both topic categories our initial hybrid system improves the retrieval effectiveness of a native XML database. For ranking the final answer elements, we propose and evaluate a novel retrieval model that utilises the structural relationships between the answer elements of a native XML database and retrieves Coherent Retrieval Elements. The final results of our experiments show that when the XML retrieval task focusses on highly relevant elements our hybrid XML retrieval system with the Coherent Retrieval Elements module is 1.8 times more effective than Zettair and 3 times more effective than eXist, and yields an effective content-and-structure XML retrieval.

研究の動機と目的

• ネイティブXMLデータベースがコンテンツおよび構造（CAS）検索タスクにおいて関連する構造的要素を適切にランク付けする能力に欠けるという限界を是正すること。
• Zettairの全文インデキシングとeXistのXML固有の構造クエリ機能を組み合わせることで、検索効果を向上させること。
• XMLドキュメント内の構造的関係に基づいて、整合的検索要素（CRE）を同定・ランク付けする新規な検索モジュールを開発すること。
• INEX 2003のCASトピックを用いて、ハイブリッドシステムの評価を行い、全文ドキュメント検索と細粒度要素検索の区別を明確にすること。
• 構造的認識に基づくランク付けが、特に細粒度の回答要素において検索精度を顕著に向上させることを示すこと。

提案手法

• ハイブリッドシステムは、全文クエリに基づいて関連性の高い記事をZettairで取得する。
• その後、eXistを用いてその記事内の特定の要素を抽出・処理し、ネイティブXMLインデキシングおよびXPathベースの全文検索機能を活用する。
• 後処理としてのCREモジュールは、XMLドキュメントツリー内の親子関係や兄弟関係などの構造的関係を分析し、候補となる回答要素をランク付ける。
• CREモジュールは構造的整合性に基づいて関連スコアを計算し、意味的および階層的に関連する要素がまとめてランク付けされるようにする。
• 検索粒度を動的に調整することで、厳密（SCAS）および曖昧（VCAS）なクエリ制約をサポートする。
• 最終的な結果は、INEX 2003の標準指標を用いて評価され、ZettairおよびeXist単体との比較がなされる。

実験結果

リサーチクエスチョン

• RQ1 全文検索とネイティブXMLデータベース検索を組み合わせたハイブリッドシステムは、CAS検索タスクにおける効果を向上させることができるか？
• RQ2 CREモジュールは、異なる検索粒度レベルにおいて、整合的で関連性の高い構造的要素を同定・ランク付けするのにどの程度有効か？
• RQ3 構造的認識に基づくランク付けは、標準的なネイティブXMLデータベース手法に比べて、顕著に検索パフォーマンスを向上させるか？
• RQ4 CREモジュールは、INEX 2003のCASトピックのSCASおよびVCASサブタスクの両方に対して効果的に適用可能か？
• RQ5 ハイブリッドシステムは、CASトピックにおける精度および再現率の観点から、単体のZettairおよびeXistをどの程度上回るか？

主な発見

• CREモジュールを備えたハイブリッドシステムは、INEX 2003のCASトピックにおいて、Zettairに比べ1.8倍高い検索効果を達成した。
• 同様のシステムは、eXistに比べ3倍の効果を示し、ネイティブXMLデータベース手法に比べ顕著な向上を示した。
• CREモジュールは、適切な粒度レベルで関連する要素を効果的に取得でき、SCASおよびVCASサブタスクの両方に適用可能であった。
• ハイブリッドシステムは、両方の単体システムを上回ったが、特に構造的文脈が重要な細粒度要素検索において顕著な優位性を示した。
• CREモジュールの性能は、さまざまなドキュメント構造およびクエリタイプに対して安定しており、他のネイティブXMLデータベースへの一般化可能性を示した。
• 本研究は、XMLドキュメント内の構造的関係が、CAS検索における関連性ランク付けの向上に価値あるシグナルであることを確認した。