[论文解读] Query Expansion via structural motifs in Wikipedia Graph

Joan Guisado-Gámez, Arnau Prat-Pèrez+1 more|arXiv (Cornell University)|Feb 23, 2016

Information Retrieval and Search Behavior参考文献 19被引用 7

一句话总结

本文提出结构化查询扩展（SQE），一种新颖的查询扩展技术，通过利用维基百科知识库图中的结构模式——即特定的连接模式——来识别语义相关的扩展词，而无需依赖语义分析或内容检查。SQE在检索性能上相比未扩展查询实现了超过150%的提升，且运行时间低于0.2秒，与现有方法（如伪相关反馈）结合时表现出显著且正交的增益。

ABSTRACT

The search for relevant information can be very frustrating for users who, unintentionally, use too general or inappropriate keywords to express their requests. To overcome this situation, query expansion techniques aim at transforming the user request by adding new terms, referred as expansion features, that better describe the real intent of the users. We propose a method that relies exclusively on relevant structures (as opposed to the use of semantics) found in knowledge bases (KBs) to extract the expansion features. We call our method Structural Query Expansion (SQE). The structural analysis of KBs takes us to propose a set of structural motifs that connect their strongly related entries, which can be used to extract expansion features. In this paper we use Wikipedia as our KB, which is probably one of the largest sources of information. SQE is capable of achieving more than 150% improvement over non expanded queries and is able to identify the expansion features in less than 0.2 seconds in the worst case scenario. Most significantly, we believe that we are contributing to open new research directions in query expansion, proposing a method that is orthogonal to many current systems. For example, SQE improves pseudo-relevance feedback techniques up to 13%

研究动机与目标

• 通过扩展查询以提升相关性，解决信息检索中的词汇不匹配和用户主题不熟悉问题。
• 探索知识库（如维基百科）中尚未被充分利用的结构属性，用于查询扩展，且独立于语义或文本分析。
• 开发一种通过图模式识别可靠、语义关联的扩展特征的方法，确保与现有语义和日志-based技术的正交性。
• 评估结构模式在提升多种数据集检索性能方面的有效性和效率。
• 为未来研究基于知识库的特定结构模式（超越维基百科）奠定基础。

提出的方法

• 系统使用实体链接器将用户关键词映射到维基百科实体，识别知识库图中的输入节点。
• 通过基于局部图拓扑结构的预定义结构模式（特别是三角形和正方形模式）识别连接节点，构建查询图。
• 三角形模式捕捉紧密连接的三元组节点，而正方形模式识别四节点环路，两者均表示强语义凝聚力。
• 扩展特征仅从查询图内的文章标题中提取，利用维基百科一致且自然语言命名的惯例。
• 该方法不进行内容分析，完全依赖图结构推断相关性并生成扩展查询。
• 通过索引和并行化优化性能，即使在最坏情况下也能实现低于0.2秒的执行时间。

实验结果

研究问题

• RQ1 知识库图中的结构模式是否能可靠地识别出无需语义或文本分析的语义相关条目？
• RQ2 仅基于图拓扑的查询扩展方法在提升检索性能方面有多有效？
• RQ3 此类仅依赖结构的方法在多大程度上可与现有技术（如伪相关反馈）结合使用？
• RQ4 所识别的模式是否在不同类型查询（如小规模、中等规模、大规模top-k检索）中具有泛化能力？
• RQ5 维基百科中观察到的结构模式是否适用于其他图结构不同的知识库？

主要发现

• SQE在所有评估数据集上相比未扩展查询，检索性能实现了统计上显著的150%以上提升。
• 三角形模式可使小规模top-k查询的检索结果提升高达83.87%。
• 独立使用正方形模式时，可使大规模top-k查询的性能提升高达83.85%。
• 结合三角形和正方形模式的混合方法，可使中等规模top-k查询的结果提升高达33.30%。
• 将SQE与伪相关反馈结合，可使结果质量提升13.68%，证明其与现有方法具有正交性和兼容性。
• 该方法在最坏情况下运行时间低于0.2秒，表明其计算开销可忽略不计，适合实时部署。