[论文解读] 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 4

一句话总结

本文提出了一种混合式XML检索系统，结合Zettair的全文检索与eXist原生XML数据库功能，并通过一种新颖的连贯检索元素（CRE）模块来对结构化组件进行排序。CRE模块通过利用XML文档中的结构关系来提升检索效果，在INEX 2003的文档内容与结构（CAS）检索任务中，相比Zettair提升了1.8倍，相比eXist提升了3倍。

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.

研究动机与目标

• 为解决原生XML数据库在内容与结构（CAS）检索任务中对相关结构元素排序能力不足的问题。
• 通过结合全文索引（Zettair）与XML特异性结构查询（eXist）来提升检索效果。
• 开发一种新型检索模块，基于XML文档内部的结构关系识别并排序连贯检索元素（CREs）。
• 在INEX 2003 CAS主题上评估该混合系统，区分全文检索与细粒度元素检索。
• 证明结构感知排序可显著提升检索精度，尤其在细粒度答案元素方面。

提出的方法

• 该混合系统使用Zettair根据全文查询检索出可能相关的文章。
• 随后利用eXist从这些文章中提取并处理特定元素，借助其原生XML索引与基于XPath的全文搜索功能。
• 后处理阶段的CRE模块通过分析XML文档树中的父子关系与兄弟关系等结构关系，对候选答案元素进行排序。
• CRE模块基于结构连贯性计算相关性得分，确保在语义与层级上相关的元素被归为一组并一同排序。
• 系统通过动态调整检索粒度，支持严格（SCAS）与模糊（VCAS）查询约束。
• 最终结果使用INEX 2003标准指标进行评估，与仅使用Zettair和eXist的系统进行对比。

实验结果

研究问题

• RQ1 结合全文检索与原生XML数据库检索的混合系统是否能提升CAS检索任务的效果？
• RQ2 CRE模块在不同检索粒度下，识别并排序连贯相关结构元素的效果如何？
• RQ3 与标准原生XML数据库方法相比，结构感知排序是否能显著提升检索性能？
• RQ4 CRE模块是否能有效应用于INEX 2003 CAS主题的SCAS与VCAS子任务？
• RQ5 在CAS主题的精确率与召回率方面，该混合系统相较于独立的Zettair与eXist系统，优势有多大？

主要发现

• 在INEX 2003 CAS主题上，加入CRE模块的混合系统检索效果比Zettair高出1.8倍。
• 同一系统比eXist高出3倍，表明在原生XML数据库方法上实现了显著改进。
• CRE模块成功在适当粒度级别检索到相关元素，适用于SCAS与VCAS子任务。
• 该混合系统优于两个独立系统，尤其在细粒度元素检索中表现更优，此时结构上下文至关重要。
• CRE模块在不同文档结构与查询类型下表现稳健，表明其可推广至其他原生XML数据库。
• 本研究证实，XML文档中的结构关系是提升CAS检索相关性排序的重要信号。