[论文解读] Information Retrieval Model: A Social Network Extraction Perspective

Mahyuddin K. M. Nasution, Shahrul Azman Mohd Noah|arXiv (Cornell University)|Jul 16, 2012

Information Retrieval and Data Mining参考文献 10被引用 8

一句话总结

本文提出了一种新颖的信息检索模型，通过将社交网络抽取与概率逻辑相结合，以提升文档相关性评分。通过将实体及其关系建模为关系空间中的事件，并应用概率论与Jaccard系数计算语义相似度，该模型通过基于关系的结构化排序，提高了检索准确性。

ABSTRACT

Future Information Retrieval, especially in connection with the internet, will incorporate the content descriptions that are generated with social network extraction technologies and preferably incorporate the probability theory for assigning the semantic. Although there is an increasing interest about social network extraction, but a little of them has a significant impact to infomation retrieval. Therefore this paper proposes a model of information retrieval from the social network extraction.

研究动机与目标

• 解决当前信息检索系统中社交网络抽取整合有限的问题。
• 通过整合从网页文档中提取的实体间语义关系，提升IR有效性。
• 构建一个概率框架，基于关系事件与逻辑蕴含建模相关性。
• 通过动态演化的文档与查询网络，实现动态、交互式查询处理。
• 提供一种计算上可行的方法，用于使用社交网络结构评估多词项与多关系查询的相关性。

提出的方法

• 利用基于词项共现的单重事件与双重事件，将网页与查询建模为关系空间中的事件。
• 定义社交网络结构 $ SN = \langle V, E, A, R, Z, \xi, \zeta \rangle $，其中节点表示实体，边表示由属性交集导出的关系。
• 应用概率论估算相关性，使用 $ P(\rho \Rightarrow \omega) = \sum_R P(\rho) R_\rho(\omega) $ 进行基于关系的相关性评分。
• 利用成像逻辑计算条件概率，如 $ P(\omega \Rightarrow q) = \sum_\Omega P(\omega) \Omega_\omega(q) $，其中真值为0或1。
• 通过基于交集的关系建模 $ Z_a \cap Z_b $ 隐式使用Jaccard系数，以衡量实体属性集之间的相似度。
• 引入对称关系空间 $ \rho_x, \rho_y $，以建模事件之间的双向蕴含，确保相关性推理中的逻辑一致性。

实验结果

研究问题

• RQ1 社交网络抽取如何增强信息检索中网页与查询的语义表示？
• RQ2 在考虑实体间关系时，概率逻辑在建模相关性方面扮演何种角色？
• RQ3 关系事件（双重事件）是否能相较于传统基于词项的模型提升检索性能？
• RQ4 逻辑蕴含与成像如何与社交网络结构结合，以计算文档相关性？
• RQ5 在何种程度上，可有效利用此关系性、概率性框架评估多词项与多关系查询？

主要发现

• 该模型表明，从网页中提取的社交网络构成文档网络，其中 $ \omega \Rightarrow t_a \land t_b $ 与 $ t_a \land t_b \Rightarrow \omega $ 逻辑等价，从而实现对称的相关性评估。
• 关系 $ \rho \Rightarrow \omega $ 的概率计算为 $ P_\rho(\omega) = \sum_R P(\rho) R_\rho(\omega) $，为基于关系的相关性评分提供了正式基础。
• 该模型通过允许在用户会话期间动态修改与扩展查询网络，支持动态查询自适应。
• 对称关系空间的使用确保了蕴含链的一致性，如 $ \rho_x(\Omega_b \Rightarrow \Omega_a) = \rho_y(\Omega_a) $ 所示，验证了双向推理的有效性。
• 该框架支持对词项或关系组合的相关性计算，文档给定查询为真的概率表达为 $ P(\rho \Rightarrow q) = \sum_R P(\rho) R_\rho(q) $。
• 该模型表明，多词项相关性可通过关系结构有效计算，且有证据表明多个共现词项或关系会提升文档相关性。