[論文レビュー] Simple Search Engine Model: Adaptive Properties for Doubleton

Mahyuddin K. M. Nasution|arXiv (Cornell University)|Dec 19, 2012

Information Retrieval and Data Mining参考文献 2被引用数 13

ひとこと要約

本稿では、集合論とジャカード係数を用いて、共起する検索語（二項検索イベント）の適応的性質を分析する形式的モデルを提案する。このモデルは、単一語および二項語ベクトル空間を通じて、それらの意味的関係をモデル化する。主な貢献は、二項語イベント空間の共通部分集合のサイズが個々の単一語空間のサイズによって上限に制限されることを示す定理であり、これにより情報検索における意味的類似度検出が向上する。

ABSTRACT

In this paper we study the relationship between query and search engine by exploring the adaptive properties for doubleton as a space of event based on a simple search engine. We employ set theory for defining doubleton and generate some properties.

研究の動機と目的

• 検索語と検索エンジンの間の意味的関係を形式的集合論的構造を用いてモデル化すること。
• 共起する検索語（二項語イベント）がウェブコンテンツにおける意味的類似度をどのように反映するかを調査すること。
• 情報検索の正確性を向上させるために、二項語空間の適応的性質を導出すること。
• 基数制約と類似度測定を用いて、単一語と二項語イベント空間の関係を形式化すること。
• 二項語イベントの共通部分集合に対する理論的上限を確立し、検索エンジンにおける意味的推論を支援すること。

提案手法

• 検索語をトークンの集合として定義し、ウェブページにおける出現を順序対（語, ウェブページ）でモデル化する。
• 特定の検索語を含むウェブページの集合として、イベントの単一語空間を導入する。
• 二つの単一語空間の共通部分集合として、二項語空間のイベントを定義し、二つの異なる検索語の共起を表す。
• ジャカード係数を用いて、単一語および二項語イベント空間間の類似度を測定する：$ s_{jc}(t_x,t_y) = \frac{|\Omega_x \cap \Omega_y|}{|\Omega_x| + |\Omega_y| - |\Omega_x \cap \Omega_y|} $。
• 集合演算と基数制約を用いて、単一語と二項語イベント空間の関係を導出する。
• 定理3.1を確立し、二項語イベントの共通部分集合のサイズが個々の単一語空間に対して上限に制限されることを示す。

実験結果

リサーチクエスチョン

• RQ1 二つの異なる検索語の共起を、検索エンジンにおける二項語イベント空間として形式的にどのようにモデル化できるか。
• RQ2 二項語イベント空間の適応的性質は、単一語イベント空間とどのように関係するか。
• RQ3 ジャカード係数は、ウェブページにおける語の共起に基づいて、検索語間の類似度をどのように測定するか。
• RQ4 二つの二項語イベント空間の共通部分集合が、一方の単一語イベント空間に等しくなるのはどのような条件下か。
• RQ5 二項語イベントの共通部分集合の基数は、単一語サイズに対してどのような制約に従うか。

主な発見

• 二項語イベント空間 $ \Omega_x \cap \Omega_y $ は、個々の単一語イベント空間のサイズによって上限に制限され、$ |\Omega_x \cap \Omega_y| \leq |\Omega_x| \leq |\Omega| $ および $ |\Omega_x \cap \Omega_y| \leq |\Omega_y| \leq |\Omega| $ を満たす。
• $ t_x \neq t_y $ であるが、 $ t_x, t_y \in \omega_x \land t_x, t_y \in \omega_y $ である場合、二項語の共通部分集合は $ |\Omega_x| $ に等しくなる可能性があり、これは文脈的意味的同等性を示唆する。
• 式（12）は、 $ |\Omega_x \cap \Omega_y| = |\Omega_x \cap \Omega_y| + |\Omega_x \cap \Omega_x| + |\Omega_y \cap \Omega_y| $ を仮定した場合に矛盾を示しており、語の共起に stricter 制約が必要であることを示唆する。
• ジャカード係数は、二項語空間における共有されるウェブページの出現に基づいて、検索語間の有効な類似度測定を提供する。
• モデルは、異なる検索語が同じウェブページに共起する場合、同じ単一語イベント集合を生成することを示しており、これは文脈的意味的同等性を示唆する。
• 理論的分析により、 $ |\Omega_y| < |\Omega_x| $ のとき $ |\Omega_x \cap \Omega_y| < |\Omega_x| $ であることが確認され、適応的類似度モデリングの必要性が裏付けられる。