[论文解读] Query Expansion: Term Selection using the EWC Semantic Relatedness Measure

Vitaly Klyuev, Yannis Haralambous|arXiv (Cornell University)|Aug 19, 2011

Information Retrieval and Search Behavior参考文献 16被引用 3

一句话总结

本文提出了一种使用EWC语义相关性度量的查询扩展方法，该方法结合基于维基百科的显式语义分析、WordNet路径相似性以及混合搭配索引，以提升即时检索性能。在使用Terrier引擎的NTCIR数据集上进行评估，该方法显著提升了检索性能，证明了结合多种语义信号进行术语选择在查询扩展中的有效性。

ABSTRACT

This paper investigates the efficiency of the EWC semantic relatedness measure in an ad-hoc retrieval task. This measure combines the Wikipedia-based Explicit Semantic Analysis measure, the WordNet path measure and the mixed collocation index. In the experiments, the open source search engine Terrier was utilised as a tool to index and retrieve data. The proposed technique was tested on the NTCIR data collection. The experiments demonstrated promising results.

研究动机与目标

• 通过基于语义相关性的查询扩展提升即时信息检索性能。
• 研究将多种语义度量方法——显式语义分析、WordNet路径相似性以及搭配索引——整合为统一相关性评分的有效性。
• 在标准基准测试环境下，评估基于EWC的术语选择方法在真实检索系统中的表现。
• 证明整合多种语义信号可带来优于单一度量方法的检索效果提升。

提出的方法

• EWC语义相关性度量结合了三个组成部分：基于维基百科的显式语义分析、基于WordNet路径的相似性度量以及混合搭配索引。
• 查询扩展的术语选择由EWC得分指导，该得分根据候选术语与原始查询术语的语义相关性对它们进行排序。
• 该方法利用预先索引的维基百科和WordNet资源，高效计算语义相似度得分。
• 检索系统基于开源的Terrier引擎构建，通过扩展查询对文档进行索引和检索。
• 该方法对三种语义信号应用加权融合，为每个候选扩展术语生成综合相关性得分。
• 实验使用NTCIR数据集，评估其在标准即时检索场景下的性能表现。

实验结果

研究问题

• RQ1 将基于维基百科、基于WordNet以及基于搭配的语义信号整合，能否提升即时检索中的查询扩展效果？
• RQ2 与单一语义度量方法相比，EWC度量在选择相关扩展术语方面的有效性如何？
• RQ3 所提出的方法是否在NTCIR测试集的标准检索指标上带来可测量的性能提升？
• RQ4 在真实世界搜索引擎环境中，整合多种语义信号对检索有效性的影响如何？

主要发现

• 基于EWC的查询扩展方法在NTCIR数据集上取得了令人满意的结果，显著提升了检索有效性。
• 整合多种语义信号——显式语义分析、WordNet路径相似性以及搭配索引——的性能优于依赖任一单一度量方法。
• 所提出的方法能有效选择相关扩展术语，从而在即时检索任务中提升精确率与召回率。
• 实验结果证实，EWC度量是语义术语选择在查询扩展中一种稳健且高效的方法。
• 使用Terrier检索引擎使得该方法在标准基准测试上的复现性和可扩展性评估成为可能。