[论文解读] Relevance as Deduction: A Logical View of Information Retrieval

Giambattista Amati, Konstantinos Georgatos|ArXiv.org|Jul 26, 2000

Logic, Reasoning, and Knowledge参考文献 6被引用 14

一句话总结

本文通过使用偏好推理和理性推理系统对相关性进行非单调推理，提出了一种用于信息检索的逻辑框架。它引入了一种基于术语加权和 contingency 矩阵的优先级排序机制，通过一种形式化且可计算的逻辑，实现了对不确定性和文档相关性迭代优化的有效相关性反馈。

ABSTRACT

The problem of Information Retrieval is, given a set of documents D and a query q, providing an algorithm for retrieving all documents in D relevant to q. However, retrieval should depend and be updated whenever the user is able to provide as an input a preferred set of relevant documents; this process is known as em relevance feedback. Recent work in IR has been paying great attention to models which employ a logical approach; the advantage being that one can have a simple computable characterization of retrieval on the basis of a pure logical analysis of retrieval. Most of the logical models make use of probabilities or similar belief functions in order to introduce the inductive component whereby uncertainty is treated. Their general paradigm is the following: em find the nature of conditional $d\imp q$ and then define a probability on the top of it. We just reverse this point of view; first use the numerical information, frequencies or probabilities, then define your own logical consequence. More generally, we claim that retrieval is a form of deduction. We introduce a simple but powerful logical framework of relevance feedback, derived from the well founded area of nonmonotonic logic. This description can help us evaluate, describe and compare from a theoretical point of view previous approaches based on conditionals or probabilities.

研究动机与目标

• 将信息检索形式化为一种演绎过程，而非依赖于概率模型。
• 通过引入非单调蕴含关系，解决经典蕴含在建模查询-文档相关性方面的局限性。
• 利用偏好和理性推理系统，为相关性反馈提供理论基础。
• 通过派生的加权函数和优先关系，将统计数据（术语频率）整合到逻辑框架中。
• 展示如何通过基于效用的排序替代否定，以在 IR 中实现最大一致性推理。

提出的方法

• 使用偏好推理规则（包括理性单调性）定义非单调蕴含关系 $\vdash\sim$，以建模相关性。
• 使用优先关系 $\prec$ 根据效用对术语和文档进行排序，其中 $t_1 \prec t_2$ 当且仅当 $r(t_1) \leq r(t_2)$，$r(t)$ 为基于效用的排序函数。
• 术语权重 $w(t)$ 通过列联表使用熵和 Hintikka 的内容计算，其中 $w(\neg t) = -w(t)$ 且 $w(t \land t') = \min(w(t), w(t'))$。
• 通过 $t_1 \land t_3 \vdash t_2$（其中 $t_3 \not\prec \neg t_1$）定义相关性 $t_1 \vdash\sim t_2$，从而实现有效的推理检查。
• 基于可比较文档与未决文档的比例制定决策规则，用于文档排序，例如 $\frac{N-U}{N}\log\left(\frac{D^+_p \times D^-_n}{D^-_p \times D^+_n}\right)$。
• 该框架支持术语的布尔组合，但为实际推理聚焦于正向术语的合取。

实验结果

研究问题

• RQ1 如何将信息检索中的相关性形式化为一种逻辑演绎过程，而非概率推理？
• RQ2 相关性关系必须具备哪些逻辑性质，才能支持迭代相关性反馈？
• RQ3 非单调逻辑，特别是偏好和理性推理，能否为 IR 系统提供稳健的理论基础？
• RQ4 如何在不依赖经典否定的情况下，将统计术语频率整合到非单调逻辑框架中？
• RQ5 基于效用的加权函数在定义文档相关性理性排序中扮演何种角色？

主要发现

• 该框架将相关性建模为理性非单调推理，其中 $t_1 \vdash\sim t_2$ 在 $t_2 \subseteq t_1$ 或 $t_2 - t_1 \not\prec \neg t_1$ 时成立。
• 在示例中，$t_1 \vdash\sim t_3$ 成立，因为 $r(t_3) = 0.845 > r(t_1) = 0$；但 $t_1 \land t_2 \not\vdash\sim t_3$，因为 $r(t_1 \land t_2) = 0 \leq r(t_2) = 0.885$。
• 决策规则对 $d_5$ 输出负值，表明其被排为无关，展示了模型处理部分序关系的能力。
• 系统通过根据用户提供的正负样本更新优先关系，支持一种形式化且可计算的相关性反馈机制。
• 使用 $r(t)$ 作为效用函数，可自然替代否定，从而在缺乏经典否定的情况下实现最大一致性推理。
• 该框架为通过非单调演绎的统一逻辑视角比较和评估现有 IR 模型提供了理论基础。