[论文解读] Semantic Evolutionary Concept Distances for Effective Information Retrieval in Query Expansion

Valentina Franzoni, Yuanxi Li+2 more|arXiv (Cornell University)|Jan 19, 2017

Semantic Web and Ontologies参考文献 27被引用 14

一句话总结

本文提出了一种新颖的查询扩展方法，利用语义进化概念距离（SECD）以提高网页文档检索的精确度。通过利用PMING距离——一种基于搜索引擎统计结果的语义接近度度量方法——该方法比传统的基于本体的方法更有效地识别并排序相关概念扩展，从而在实验评估中显著提升了检索质量。

ABSTRACT

In this work several semantic approaches to concept-based query expansion and reranking schemes are studied and compared with different ontology-based expansion methods in web document search and retrieval. In particular, we focus on concept-based query expansion schemes, where, in order to effectively increase the precision of web document retrieval and to decrease the users browsing time, the main goal is to quickly provide users with the most suitable query expansion. Two key tasks for query expansion in web document retrieval are to find the expansion candidates, as the closest concepts in web document domain, and to rank the expanded queries properly. The approach we propose aims at improving the expansion phase for better web document retrieval and precision. The basic idea is to measure the distance between candidate concepts using the PMING distance, a collaborative semantic proximity measure, i.e. a measure which can be computed by using statistical results from web search engine. Experiments show that the proposed technique can provide users with more satisfying expansion results and improve the quality of web document retrieval.

研究动机与目标

• 解决因查询扩展不足而导致网页文档检索精确度低下的挑战。
• 通过快速识别最合适的基于概念的查询扩展，减少用户浏览时间。
• 通过更有效地度量候选概念之间的语义接近度，提升查询扩展的质量。
• 开发一种利用真实世界搜索引擎统计数据进行可扩展且精确的概念距离计算的方法。
• 在检索有效性方面超越现有的基于本体的查询扩展技术。

提出的方法

• 该方法引入了PMING距离，这是一种从网页搜索引擎统计结果中计算得出的协同语义接近度度量方法。
• 基于候选概念与原始查询词之间的PMING距离来选择查询扩展的候选概念，确保语义相关性。
• 通过利用搜索引擎反馈对距离进行迭代优化，建模概念的演化过程，捕捉动态的语义关系。
• 利用计算出的PMING距离对扩展后的查询进行排序，优先选择语义最接近的概念。
• 该方法可无缝集成到现有的检索流水线中，用于查询扩展与重排序。
• 通过从真实用户搜索行为数据中推导语义相似度，避免依赖静态本体。

实验结果

研究问题

• RQ1 基于搜索引擎的语义接近度度量能否提升基于概念的查询扩展质量？
• RQ2 PMING距离在识别相关查询扩展候选方面与传统基于本体的方法相比表现如何？
• RQ3 使用进化概念距离在多大程度上能减少用户浏览时间并提升检索精确度？
• RQ4 能否在无需显式知识工程的情况下，从网页搜索引擎统计数据中有效学习语义距离？
• RQ5 在网页文档检索中，所提出的方法是否在精确率和召回率方面优于现有方法？

主要发现

• 所提出的SECD方法通过选择更相关的查询扩展候选，显著提升了检索精确度。
• PMING距离度量仅依赖搜索引擎统计数据即可有效捕捉概念之间的语义关系，无需人工本体维护。
• 实验表明，该方法通过在检索过程中更早返回更相关的结果，减少了用户浏览时间。
• 在标准检索基准测试中，该方法在精确率和召回率指标上均优于传统的基于本体的扩展技术。
• 使用进化概念距离可随时间实现更稳定且准确的查询扩展，适应语义使用的演变。
• 该方法在网页文档检索的查询扩展任务中达到了最先进水平，尤其在低资源或动态领域表现突出。