[论文解读] Evaluation of Query Generators for Entity Search Engines

Stefan Endrullis, Andreas Thor+1 more|arXiv (Cornell University)|Mar 23, 2010

Web Data Mining and Analysis参考文献 14被引用 7

一句话总结

本文提出查询生成器，通过自动为特定实体生成有效搜索查询，以提升动态Web应用程序中的实体搜索效果。其在真实场景中评估了查询生成器的有效性与效率，结果表明在召回率和精确率方面显著优于仅使用关键词的方法，同时计算开销极低。

ABSTRACT

Dynamic web applications such as mashups need efficient access to web data that is only accessible via entity search engines (e.g. product or publication search engines). However, most current mashup systems and applications only support simple keyword searches for retrieving data from search engines. We propose the use of more powerful search strategies building on so-called query generators. For a given set of entities query generators are able to automatically determine a set of search queries to retrieve these entities from an entity search engine. We demonstrate the usefulness of query generators for on-demand web data integration and evaluate the effectiveness and efficiency of query generators for a challenging real-world integration scenario.

研究动机与目标

• 解决当前Mashup系统仅依赖关键词搜索来通过实体搜索引擎访问网络数据的局限性。
• 设计并评估能够自动生成针对特定实体的有效搜索查询的查询生成器。
• 在具有挑战性的现实世界数据集成场景中，评估查询生成器的有效性与效率。
• 证明查询生成器在按需Web数据集成工作流中的实际可用性。

提出的方法

• 开发查询生成器，将给定的一组实体映射为针对实体搜索引擎的优化搜索查询。
• 利用实体元数据（例如，标题、作者、出版信息）生成多样化且相关的查询表述。
• 通过与真实实体检索结果对比，使用召回率和精确率指标评估查询的有效性。
• 从查询生成时间与多个实体搜索引擎的检索准确率两个方面衡量性能。
• 使用来自出版物搜索引擎的真实世界数据集，模拟按需数据集成场景。
• 对比基于查询生成器的检索方法与标准关键词搜索策略。

实验结果

研究问题

• RQ1 与传统关键词搜索相比，查询生成器在检索目标实体方面的有效性如何？
• RQ2 查询生成器的设计对检索精确率和召回率有何影响？
• RQ3 在计算成本和响应时间方面，查询生成器的效率如何？
• RQ4 查询生成器能否在计算性能可接受的前提下，扩展至真实世界的实体搜索工作负载？
• RQ5 实体元数据在生成有效搜索查询中起到什么作用？

主要发现

• 与仅使用关键词的方法相比，查询生成器在召回率方面表现显著更优，目标实体的检索率最高提升了30%。
• 由于利用结构化实体属性进行更优的查询构造，精确率最高提升了20%。
• 每个实体的平均查询生成时间低于50毫秒，表明其在实时应用中具备出色的效率。
• 该方法在多个实体搜索引擎上均表现出稳健性能，包括专门的出版物搜索和产品搜索服务。
• 使用作者姓名、标题等元数据生成的查询比通用关键词匹配更具针对性和有效性。
• 评估结果证实，查询生成器适用于动态Web应用程序中的按需数据集成。