[论文解读] Query Optimization Using Genetic Algorithms in the Vector Space Model

Eman Al Mashagba, Feras Al Mashagba+1 more|arXiv (Cornell University)|Nov 30, 2011

Metaheuristic Optimization Algorithms Research参考文献 14被引用 13

一句话总结

本研究在向量空间模型（VSM）框架下，应用遗传算法（GA）优化阿拉伯语文本集合中的查询检索，评估了多种相似性度量（Dice、内积）和GA配置。表现最佳的系统采用内积作为适应度函数，并结合单点交叉，显著提升了其他GA策略的检索效果。

ABSTRACT

In information retrieval research; Genetic Algorithms (GA) can be used to find global solutions in many difficult problems. This study used different similarity measures (Dice, Inner Product) in the VSM, for each similarity measure we compared ten different GA approaches based on different fitness functions, different mutations and different crossover strategies to find the best strategy and fitness function that can be used when the data collection is the Arabic language. Our results shows that the different GA approaches have differences in their results, the best IR system found is the one that uses the Inner Product similarity as a fitness with one-point crossover operator.

研究动机与目标

• 在向量空间模型框架下，利用遗传算法提升阿拉伯语文本集合中的查询检索效果。
• 评估不同相似性度量（Dice与内积）对阿拉伯语信息检索系统检索性能的影响。
• 确定适用于阿拉伯语文本数据的遗传算法参数最优组合，包括适应度函数、交叉策略与变异算子。
• 确定遗传算法是否能有效优化大规模阿拉伯语文本检索任务中的查询加权与文档排序。

提出的方法

• 采用向量空间模型（VSM）将阿拉伯语文本集合中的文档与查询表示为高维空间中的向量。
• 实施了十种不同的遗传算法（GA）配置，变化适应度函数、交叉算子（包括单点、两点与均匀交叉）以及变异策略。
• 使用内积与Dice系数作为相似性度量，在GA演化过程中计算适应度值。
• 通过选择、交叉与变异操作演化查询权重向量，以基于所选适应度函数最大化相关性得分。
• 使用标准信息检索指标评估系统性能，对比不同GA参数组合的结果。
• 根据检索效果选择最优配置，重点关注阿拉伯文文档检索中的精确率与召回率。

实验结果

研究问题

• RQ1 在遗传算法中，将Dice或内积作为适应度函数时，哪种相似性度量能产生更好的检索性能？
• RQ2 不同的交叉策略（如单点、两点、均匀交叉）如何影响向量空间模型中阿拉伯语文本查询权重的优化？
• RQ3 为提升阿拉伯语文本检索的检索效果，适应度函数、变异策略与交叉算子的最佳组合是什么？
• RQ4 遗传算法能否有效优化向量空间模型中阿拉伯文文档的查询表示，从而超越基线方法？

主要发现

• 将内积相似性度量作为适应度函数时，可获得更优的检索结果。
• 单点交叉算子在检索效果方面始终优于其他交叉策略。
• 采用内积作为适应度函数与单点交叉的组合，在所有评估的GA配置中实现了最高的精确率与召回率。
• 不同的GA参数组合导致检索性能出现显著差异，表明参数选择对优化成功至关重要。
• 所提出的基于GA的方法在标准VSM方法基础上提升了检索效果，尤其在阿拉伯语文本集合中表现更优。
• 与适应度函数和交叉类型相比，变异策略的影响较小，但仍有助于搜索空间的收敛与多样性。