[论文解读] Enhanced Trustworthy and High-Quality Information Retrieval System for Web Search Engines

Sumalatha Ramachandran, Sujaya Paulraj+2 more|ArXiv.org|Nov 4, 2009

Data Quality and Management参考文献 9被引用 14

一句话总结

本文提出了一种增强可信度与质量的网络搜索系统，通过五项因素——来源、权威性、年龄、流行度和相关链接——评估网站，计算并存储静态网站的可信度分数。该系统整合了WIQA框架，支持用户自定义的质量排名，提升了网络搜索中高可信度、高质量结果的检索准确性和可靠性。

ABSTRACT

The WWW is the most important source of information. But, there is no guarantee for information correctness and lots of conflicting information is retrieved by the search engines and the quality of provided information also varies from low quality to high quality. We provide enhanced trustworthiness in both specific (entity) and broad (content) queries in web searching. The filtering of trustworthiness is based on 5 factors: Provenance, Authority, Age, Popularity, and Related Links. The trustworthiness is calculated based on these 5 factors and it is stored thereby increasing the performance in retrieving trustworthy websites. The calculated trustworthiness is stored only for static websites. Quality is provided based on policies selected by the user. Quality based ranking of retrieved trusted information is provided using WIQA (Web Information Quality Assessment) Framework.

研究动机与目标

• 为解决网络搜索结果中日益严重的不可靠和相互矛盾的信息问题。
• 在实体特定查询和广泛内容查询中均提升可信度。
• 通过预先计算并存储静态网站的可信度分数，提升检索性能。
• 通过WIQA框架支持用户自定义的质量排名策略。
• 通过多因素可信度评估，减少搜索结果中的低质量及误导性内容。

提出的方法

• 可信度通过五项因素计算：来源、权威性、年龄、流行度和相关链接。
• 可信度分数预先计算并存储于静态网站，以加速检索。
• 使用WIQA（网络信息质量评估）框架，根据用户选择的质量策略对可信结果进行排序。
• 系统区分动态网站与静态网站，仅对静态内容存储可信度分数。
• 对可信度因素进行加权并组合成综合分数，以评估网站的可靠性。
• 该架构支持特定（实体）和广泛（内容）查询类型，并通过增强的可信度过滤提升性能。

实验结果

研究问题

• RQ1 如何增强网络搜索结果，以确保特定查询和广泛查询的更高可信度？
• RQ2 哪些因素对搜索结果中网络内容的可信度感知影响最大？
• RQ3 预计算的可信度分数能否提升信息检索的效率与准确性？
• RQ4 如何有效将用户定义的质量策略集成到基于可信度的排序中？
• RQ5 来源、权威性、年龄、流行度和相关链接的组合在多大程度上能提升结果的可靠性？

主要发现

• 该系统成功计算并存储了静态网站的可信度分数，提升了检索性能。
• WIQA框架的整合使得可根据用户策略实现自定义的质量排序。
• 五项可信度因素——来源、权威性、年龄、流行度和相关链接——共同提升了结果的可靠性。
• 预计算的可信度分数减少了查询处理期间的运行时开销，尤其对静态内容效果显著。
• 该系统在过滤低质量和冲突信息方面表现更优。
• 该方法在实体特定查询和广泛内容查询中均有效，整体提升了搜索质量。