[论文解读] A Quantum-based Model for Interactive Information Retrieval (extended version)

Benjamin Piwowarski, Mounia Lalmas|ArXiv.org|Jun 22, 2009

Information Retrieval and Search Behavior参考文献 19被引用 6

一句话总结

本文提出了一种基于量子概率的交互式信息检索框架，通过几何状态更新建模用户意图的演化，实现对查询改写、相关性反馈和点击行为的合理处理。核心贡献是将Rocchio算法推广为基于密度算符和投影可观测量的概率化形式，保留了用户意图的惯性，并支持非标准逻辑以实现检索中的新颖性与多样性。

ABSTRACT

Even the best information retrieval model cannot always identify the most useful answers to a user query. This is in particular the case with web search systems, where it is known that users tend to minimise their effort to access relevant information. It is, however, believed that the interaction between users and a retrieval system, such as a web search engine, can be exploited to provide better answers to users. Interactive Information Retrieval (IR) systems, in which users access information through a series of interactions with the search system, are concerned with building models for IR, where interaction plays a central role. There are many possible interactions between a user and a search system, ranging from query (re)formulation to relevance feedback. However, capturing them within a single framework is difficult and previously proposed approaches have mostly focused on relevance feedback. In this paper, we propose a general framework for interactive IR that is able to capture the full interaction process in a principled way. Our approach relies upon a generalisation of the probability framework of quantum physics, whose strong geometric component can be a key towards a successful interactive IR model.

研究动机与目标

• 为解决现有交互式IR模型在搜索过程中无法捕捉用户意图动态演化的问题。
• 开发一个统一的、基于原理的框架，将查询改写、点击、相关性反馈等多种交互类型整合到单一概率模型中。
• 利用量子形式体系的几何与概率结构，比经典向量空间模型更自然地建模用户意图漂移与认知状态变化。
• 通过基于量子的更新规则扩展经典算法（如Rocchio），利用密度算符演化保留用户意图惯性。
• 通过量子形式中的子空间关系，实现对用户行为（如从酒店搜索转向博物馆搜索）的预测。

提出的方法

• 将用户信息需求（IN）表示为希尔伯特空间中的密度算符，其中子空间对应文档主题或查询词。
• 将用户交互（点击、相关性反馈、查询改写）建模为通过可观测量的测量，每个可观测量对应一个查询或文档。
• 使用量子投影 postulate 更新密度算符：ρₜ₊₁ = α(ρₜ ▷ O_A) + (1−α)ρₜ，其中 α 控制意图惯性。
• 在当前 IN 状态 ρₜ 下计算新查询 q′ 的概率 Pr_{ρₜ}(O_{q′})，以检测显著的意图变化。
• 将文档和查询可观测量 O_d 和 O_q 定义为投影算符，作用于由相关词或文档内容张成的子空间。
• 利用子空间的非正交性建模不确定性与新颖性，联合子空间表示候选文档集合。

实验结果

研究问题

• RQ1 如何通过统一框架以合理方式建模多种用户交互形式——查询改写、点击、相关性反馈？
• RQ2 与经典概率模型相比，量子概率形式体系是否能更好地捕捉用户意图的动态演化？
• RQ3 量子框架如何支持用户意图的惯性，防止单次交互后发生突兀的意图转变？
• RQ4 量子态的几何结构在何种方式下可改善IR中相关性与新颖性的建模？
• RQ5 该框架如何检测显著的用户意图转变，例如从搜索老虎转向搜索狮子？

主要发现

• 所提出的基于量子的框架通过引入参数 α 控制密度算符更新中的意图惯性，对Rocchio算法进行了原理化的推广。
• 通过计算新查询在当前状态下的概率来检测重大意图转变；低概率表明用户意图发生显著变化。
• 该框架通过子空间关系自然支持非标准逻辑，利用联合子空间实现对文档新颖性与多样性的建模。
• 投影可观测量的使用使得状态更新与概率计算可在同一几何框架内保持一致。
• 该模型不仅涵盖显式相关性反馈，还包含点击和查询改写等隐式信号，而这些信号在当前IR中尚未得到充分探索。
• 该形式体系可通过分析希尔伯特空间中的子空间关系，实现对用户行为（如兴趣传播，例如从酒店转向博物馆）的预测。