词激活力模型在短文本查询扩展中的应用

"短文本查询扩展中扩展词间的关联性挖掘，刘悦，徐蔚然，本文针对经典查询扩展算法展开深入调研，分析了现阶段查询扩展方法所存在的缺陷。提出了一种基于词激活力模型的扩展词间关联性挖掘算法。利用词激活力模型中词间亲密度，计算扩展词间的关联性，得到扩展词对，并利用扩展词对进行查询重构。实验表明，这种方法能有效减少信息偏移，提升检索系统性能。" 在信息检索领域，查询扩展是一种提高搜索精度的重要技术。传统的查询扩展算法常常简单地增加与原始查询相关的词汇，但这种方法可能会导致信息偏移，即引入的扩展词可能与用户的真实意图不完全匹配，反而降低检索效果。刘悦和徐蔚然的研究针对这一问题进行了深入探讨。 他们提出的词激活力模型（Word Activation Forces model，WAF）旨在更好地捕捉扩展词之间的关联性。词激活力模型基于词语在语义网络中的相互作用，通过量化词与词之间的“亲密度”来评估它们的相关性。这种模型考虑了词汇的上下文信息和语义距离，使得扩展的词汇更有可能与原始查询主题保持一致。 在实际应用中，算法首先通过计算词激活力模型中的亲密度来确定扩展词对，这些词对被认为具有较高的相关性。然后，这些扩展词对被用于重构查询，以形成新的、更精确的检索表达式。实验结果显示，这种方法能够显著减少由于扩展词引入的信息偏移，同时提高了信息检索系统的整体性能和用户满意度。 此外，该研究还指出，词激活力模型对于复杂和多义的短文本查询特别有用，因为这些查询往往需要更精细的语义理解和扩展策略。通过使用这样的模型，搜索引擎可以更准确地理解用户的查询意图，并返回更相关的结果，从而改善用户体验。 关键词：信息检索，查询扩展，扩展词对，词激活力模型，查询重构。这些关键词反映了研究的核心内容，强调了在信息检索系统中，对查询扩展方法的改进以及关联性挖掘的重要性，特别是对于短文本查询场景。通过词激活力模型，研究人员提供了新的解决方案，以解决信息检索领域的关键挑战。