[論文レビュー] Improving Query Expansion Using WordNet

Dipasree Pal, Mandar Mitra+1 more|arXiv (Cornell University)|Sep 19, 2013

Topic Modeling参考文献 30被引用数 4

ひとこと要約

本稿では、元のクエリに類似する語の意味的類似度（WordNet定義の類似度）、疑似関連文書における語の分布および統計的関連性を統合することで、語の有用性の評価を向上させる、新しいクエリ拡張手法を提案する。この手法は、複数のTRECコレクションにおいて、KLD や RM3 などの既存の WordNet に基づく手法や標準的な QE 技法を顕著に上回り、平均平均精度（MAP）の面で一貫した改善を示している。

ABSTRACT

This study proposes a new way of using WordNet for Query Expansion (QE). We choose candidate expansion terms, as usual, from a set of pseudo relevant documents; however, the usefulness of these terms is measured based on their definitions provided in a hand-crafted lexical resource like WordNet. Experiments with a number of standard TREC collections show that this method outperforms existing WordNet based methods. It also compares favorably with established QE methods such as KLD and RM3. Leveraging earlier work in which a combination of QE methods was found to outperform each individual method (as well as other well-known QE methods), we next propose a combination-based QE method that takes into account three different aspects of a candidate expansion term's usefulness: (i) its distribution in the pseudo relevant documents and in the target corpus, (ii) its statistical association with query terms, and (iii) its semantic relation with the query, as determined by the overlap between the WordNet definitions of the term and query terms. This combination of diverse sources of information appears to work well on a number of test collections, viz., TREC123, TREC5, TREC678, TREC robust new and TREC910 collections, and yields significant improvements over competing methods on most of these collections.

研究の動機と目的

• 検索統計とより意味的に意味のある統合を行うことで、WordNet のクエリ拡張における限界的な有効性を是正すること。
• 語の希少性や文書文脈を考慮しないまま、単に語の類似度や共起頻度に依存する従来の WordNet に基づく手法の欠陥を克服すること。
• 分布、関連性、意味的特徴の複数の証拠源を統合することで、より信頼性の高い候補語選定が可能な、強固な統合手法を開発すること。
• 分布的信号、統計的信号、意味的信号の多様なタイプを統合することで、個々のアプローチよりも優れた性能が得られることを検証すること。

提案手法

• 候補語の拡張語は、元のクエリを用いて取得された上位ランクの疑似関連文書から抽出される。
• 語の有用性は、3つの異なる特徴を用いて評価される：(1) 疑似関連文書と全コーパスにおける語の分布、(2) クエリ語との統計的関連性、(3) WordNet 定義の重なりに基づく意味的類似度。
• 重み付き統合手法（KLWNET）は、式（9）で示される融合式を用いて、これらの3つの特徴を統合し、各成分がその信頼性に応じて寄与する。
• 意味的類似度は、候補語とクエリ語の WordNet 定義間の重なりを測定することで算出され、語彙的重なり度を指標として用いる。
• 元のクエリ語の重みは保持されつつ、統合された信号強度に基づいて拡張語の重みが知的に調整される。
• 最終的な拡張クエリは、元の語と拡張語の重み付き和として構築され、すべての3つの成分の統合から得られる重みが用いられる。

実験結果

リサーチクエスチョン

• RQ1 単なる類義語関係を超えて、WordNet の定義を有効に活用することで、候補語選定の質を向上させることができるか？
• RQ2 分布的、統計的、意味的信号を統合することで、単一の信号に依存するアプローチよりも優れたクエリ拡張性能が得られるか？
• RQ3 KLD や RM3 といった標準的手法と比較して、本手法は多様な TREC コレクションにおいて MAP の観点で優れているか？
• RQ4 複数の信号タイプを統合するハイブリッド手法は、特定の手法が失敗する状況でも、個々の手法を上回る性能を示せるか？

主な発見

• 提案手法 KLWNET は、TREC7 および TREC8 コレクションにおいて、MII_mp、KLD、RM3 よりも顕著に高い平均平均精度（MAP）を達成しており、有意差が確認されている。
• TREC678 コレクションでは、KLWNET は 40 個のクエリで P-WNET や KLDLCA を上回り、残りの 110 個のクエリでは中間的な性能を示しており、クエリタイプにわたる頑健性が裏付けられている。
• クエリ 316（polygamy, polyandry, polygyny）では、KLWNET は元の語の重み（1.00）を維持し、KLDLCA と同等の水準を保ちつつ、関連性の低い拡張語「children」の重みを低く（0.48 vs. 0.69）設定し、より良い性能を達成している。
• クエリ 361（clothing sweatshops）では、KLWNET は有用な語「shop」を中程度の重みで含め、P-WNET の過剰な強調や KLDLCA の不足を避けることで、バランスの取れた性能を実現している。
• すべてのテスト対象 TREC コレクション（TREC123、TREC5、TREC678、TREC robust new、TREC910）において、KLWNET はベースライン（元のクエリ）を常に上回り、MAP の向上が顕著に確認されている。
• 意味的情報を WordNet 定義から抽出し、分布的および統計的特徴と統合することで、単一の情報源に依存するアプローチよりも、より信頼性が高く効果的なクエリ拡張戦略が実現可能であることが示された。