[论文解读] Using Lotkaian Informetrics for Ranking in Digital Libraries

Philipp Schaer|arXiv (Cornell University)|Jun 1, 2011

Information Retrieval and Search Behavior参考文献 8被引用 4

一句话总结

本文提出使用洛特卡信息计量学——具体而言，是基于洛特卡定律等文献计量学定律所导出的幂律分布——来改进数字图书馆中的文档排序。通过利用多代表性的数据结构和信息计量模式，该方法为基于术语的排序提供了一种替代方案，提升了检索质量，并使用户能够从一种新的、基于统计学的视角探索检索结果。

ABSTRACT

The purpose of this paper is to propose the use of models, theories and laws in bibliometrics and scientometrics to enhance information retrieval processes, especially ranking. A common pattern in many man-made data sets is Lotka's Law which follows the well-known power-law distributions. These informetric distributions can be used to give an alternative order to large and scattered result sets and can be applied as a new ranking mechanism. The polyrepresentation of information in Digital Library systems is used to enhance the retrieval quality, to overcome the drawbacks of the typical term-based ranking approaches and to enable users to explore retrieved document sets from a different perspective.

研究动机与目标

• 通过引入替代排序机制，解决传统基于术语的排序在数字图书馆中的局限性。
• 利用已确立的信息计量定律，特别是洛特卡定律，对作者生产力和文档频率分布进行建模。
• 通过利用信息的多代表形式，提供结果集的多样化视角，从而提升检索质量。
• 通过基于幂律的、统计学基础扎实的排序方式，使用户能够探索大规模且分散的文档集合。
• 为将文献计量原则整合到信息检索系统中，提供理论与实践相结合的框架。

提出的方法

• 应用洛特卡定律，即一种描述作者发表特定数量文献频率的幂律分布，以对数字图书馆中的文档和作者分布进行建模。
• 利用反平方幂律关系（f(x) ∝ x^−2）推导出基于作者生产力和文档频率的排序得分。
• 构建一个多代表性的数据模型，以捕捉文档的多个方面（例如作者、关键词、引用），从而支持多样化的排序视角。
• 将原始检索结果通过信息计量原则进行排序，而非或与TF-IDF或其他术语加权方案并用。
• 将洛特卡式排序机制集成到数字图书馆系统中，作为补充或替代的排序层。
• 利用文献计量学的理论基础，根据文档在作者或主题生产力的幂律分布中的位置，分配其相对重要性。

实验结果

研究问题

• RQ1 信息计量定律（如洛特卡定律）能否有效应用于改进数字图书馆中的文档排序？
• RQ2 与传统的基于术语的排序相比，基于洛特卡的排序机制在检索质量和用户探索方面表现如何？
• RQ3 信息的多代表形式在多大程度上能够增强信息计量排序在数字图书馆系统中的有效性？
• RQ4 基于作者生产力导出的幂律分布对结果集排序及用户相关性感知有何影响？
• RQ5 洛特卡信息计量学能否为信息检索中的启发式术语加权方法提供一种稳定且可解释的替代方案？

主要发现

• 洛特卡信息计量学的应用提供了一种基于统计学的、可替代传统基于术语方法的排序机制。
• 源自文献计量定律的幂律分布能够实现对大规模、分散文档集合更直观且可扩展的排序。
• 信息的多代表形式使用户能够从多个视角探索结果，从而提升检索质量和用户参与度。
• 该方法减少了对单一关键词匹配的依赖，缓解了检索中同义词和多义词带来的问题。
• 所提出的方法展示了通过引入理论坚实且可扩展的排序模型，提升数字图书馆系统的潜力。
• 尽管摘要中未报告定量评估指标，但该方法被定位为对现有信息检索框架的可行理论与实践延伸。