[論文レビュー] Relevance as Deduction: A Logical View of Information Retrieval

Giambattista Amati, Konstantinos Georgatos|ArXiv.org|Jul 26, 2000

Logic, Reasoning, and Knowledge参考文献 6被引用数 14

ひとこと要約

本稿では、優先順位付き推論と合理的推論システムを用いて関連性を非単調的帰納としてモデル化することにより、情報検索の論理的枠組みを提案する。項の重み付けと状態行列を基に導出される優先順位ベースのランク付け機構を導入し、形式的かつ計算可能な論理を用いて不確実性を捉え、文書の関連性を段階的に改善する有効な関連性フィードバックを実現する。

ABSTRACT

The problem of Information Retrieval is, given a set of documents D and a query q, providing an algorithm for retrieving all documents in D relevant to q. However, retrieval should depend and be updated whenever the user is able to provide as an input a preferred set of relevant documents; this process is known as em relevance feedback. Recent work in IR has been paying great attention to models which employ a logical approach; the advantage being that one can have a simple computable characterization of retrieval on the basis of a pure logical analysis of retrieval. Most of the logical models make use of probabilities or similar belief functions in order to introduce the inductive component whereby uncertainty is treated. Their general paradigm is the following: em find the nature of conditional $d\imp q$ and then define a probability on the top of it. We just reverse this point of view; first use the numerical information, frequencies or probabilities, then define your own logical consequence. More generally, we claim that retrieval is a form of deduction. We introduce a simple but powerful logical framework of relevance feedback, derived from the well founded area of nonmonotonic logic. This description can help us evaluate, describe and compare from a theoretical point of view previous approaches based on conditionals or probabilities.

研究の動機と目的

• 情報検索を確率的モデルに依存せずに帰納プロセスとして形式化すること。
• 物質的含意の限界を克服し、クエリ・ドキュメント関連性をモデル化するため、非単調的帰結関係を導入すること。
• 優先順位付きおよび合理的推論システムを用いた関連性フィードバックの理論的基盤を提供すること。
• 項頻度といった統計的データを、導出された重み関数と優先関係を通じて論理的枠組みに統合すること。
• 否定を代替するための効用ベースのランク付けにより、非古典的否定に依存しない最大整合的推論を可能にする方法を示すこと。

提案手法

• 優先順位付き推論規則（Rational Monotonicityを含む）を用いて、非単調的帰結関係 $\vdash\sim$ を定義し、関連性をモデル化する。
• 優先関係 $\prec$ を用いて、効用に基づく順序付けにより項とドキュメントをランク付けする。$t_1 \prec t_2$ は $r(t_1) \leq r(t_2)$ であると定義され、ここで $r(t)$ は効用ベースのランク関数である。
• 項の重み $w(t)$ は、エントロピーとヒンティッカのコンテンツを用いた状態行列から計算され、$w(\neg t) = -w(t)$ および $w(t \land t') = \min(w(t), w(t'))$ を満たす。
• 関連性 $t_1 \vdash\sim t_2$ は、ある $t_3 \not\prec \neg t_1$ に対して $t_1 \land t_3 \vdash t_2$ が成り立つことにより定義され、効果的な推論チェックを可能にする。
• 比較可能なドキュメントと未決定のドキュメントの比に基づく意思決定ルールを用いてドキュメントをランク付けする。例えば、$\frac{N-U}{N}\log\left(\frac{D^+_p \times D^-_n}{D^-_p \times D^+_n}\right)$ である。
• 本フレームワークは項のブール結合をサポートするが、実用的な推論の観点から、正の項の論理積に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 情報検索における関連性を、確率的推論ではなく論理的帰納プロセスとして形式的にモデル化する方法は何か？
• RQ2 反復的関連性フィードバックをサポートするため、関連性関係が満たすべき論理的性質は何か？
• RQ3 非単調論理、特に優先順位付きおよび合理的推論は、IRシステムの堅牢な基盤を提供できるか？
• RQ4 古典的否定に依存せずに、統計的項頻度を非単調論理的枠組みに統合する方法は何か？
• RQ5 効用ベースの重み関数は、ドキュメント関連性の合理的順序付けを定義する上で果たす役割は何か？

主な発見

• 本フレームワークは、関連性を合理的な非単調的推論としてモデル化し、$t_1 \vdash\sim t_2$ が成り立つのは、$t_2 \subseteq t_1$ または $t_2 - t_1 \not\prec \neg t_1$ のときである。
• 例では、$r(t_3) = 0.845 > r(t_1) = 0$ であるため、$t_1 \vdash\sim t_3$ が成立するが、$r(t_1 \land t_2) = 0 \leq r(t_2) = 0.885$ であるため、$t_1 \land t_2 \not\vdash\sim t_3$ である。
• 意思決定ルールにより、$d_5$ に対して負の値が得られ、これは関連性がないとランク付けされていることを示しており、部分順序を扱える能力を示している。
• ユーザーが提供する肯定的および否定的例に基づいて優先関係を更新することで、形式的かつ計算可能な関連性フィードバックのメカニズムをサポートする。
• $r(t)$ を効用関数として用いることで、否定の自然な代替が可能となり、古典的否定に依存しない最大整合的推論が可能になる。
• 本フレームワークは、非単調的帰納の統一的論理的レンズを通じて、既存のIRモデルの比較と評価の理論的基盤を提供する。