WikiDer > Отзыв о релевантности

Relevance feedback

Отзыв о релевантности это особенность некоторых поиск информации системы. Идея обратной связи по релевантности состоит в том, чтобы взять результаты, которые изначально были возвращены из данного запроса, чтобы собрать информацию о пользователях. Обратная связь, и использовать информацию о том, актуальны ли эти результаты для выполнения нового запроса. Мы можем с пользой различать три типа обратной связи: явная обратная связь, неявная обратная связь и слепая или «псевдо» обратная связь.

Явная обратная связь

Явная обратная связь получена от оценщиков релевантности, указывающих на релевантность документа, полученного по запросу. Этот тип обратной связи определяется как явный только тогда, когда оценщики (или другие пользователи системы) знают, что предоставленная обратная связь интерпретируется как актуальность суждения.

Пользователи могут явно указывать актуальность, используя двоичный или оцененный система актуальности. Обратная связь по бинарной релевантности указывает, что документ либо релевантен, либо нерелевантен для данного запроса. Оцененная обратная связь по релевантности указывает на релевантность документа запросу по шкале с использованием цифр, букв или описаний (например, «нерелевантно», «отчасти релевантно», «релевантно» или «очень актуально»). Степень релевантности может также принимать форму кардинального упорядочивания документов, созданных оценщиком; то есть оценщик размещает документы набора результатов в порядке (обычно по убыванию) релевантности. Примером этого может быть SearchWiki функция реализована Google на их поисковом сайте.

Информацию обратной связи по релевантности необходимо интерполировать с исходным запросом, чтобы повысить производительность поиска, например, хорошо известный Алгоритм Роккио.

Представление метрика который стал популярным примерно в 2005 году для измерения полезности рейтинга алгоритм на основе явной обратной связи по релевантности NDCG. Другие меры включают точность в k и средняя средняя точность.

Неявная обратная связь

Неявная обратная связь определяется поведением пользователей, например, отмечая, какие документы они делают, а какие не выбирают для просмотра, длительности времени, потраченного на просмотр документа, или действий при просмотре или прокрутке страниц.[1] В процессе поиска есть много сигналов, которые можно использовать для неявной обратной связи, и типы информации, которые необходимо предоставить в ответ.[2][3]

Ключевые отличия неявной обратной связи по релевантности от явной включают:[4]

  1. пользователь не оценивает актуальность системы IR, а только удовлетворяет свои собственные потребности и
  2. пользователю не обязательно сообщать, что его поведение (выбранные документы) будет использоваться в качестве обратной связи по релевантности

Примером этого является время пребывания, который является мерой того, как долго пользователь просматривает страницу, на которую указывает ссылка в результатах поиска. Это индикатор того, насколько хорошо результат поиска соответствовал намерению пользователя, и используется в качестве механизма обратной связи для улучшения результатов поиска.

Слепая обратная связь

Обратная связь псевдорелевантности, также известная как слепая обратная связь релевантности, обеспечивает метод автоматического локального анализа. Он автоматизирует ручную часть обратной связи по релевантности, так что пользователь получает улучшенную производительность поиска без расширенного взаимодействия. Метод состоит в том, чтобы выполнить обычный поиск, чтобы найти начальный набор наиболее релевантных документов, затем предположить, что релевантны документы с наивысшим рейтингом «k», и, наконец, выполнить обратную связь по релевантности, как и раньше, в этом предположении. Порядок действий такой:

  1. Возьмите результаты, возвращенные первоначальным запросом, как релевантные (в большинстве экспериментов только верхний k с k между 10 и 50).
  2. Выберите из этих документов 20–30 основных (ориентировочное количество) терминов, например, tf-idf веса.
  3. Выполните расширение запроса, добавьте эти термины в запрос, затем сопоставьте возвращенные документы для этого запроса и, наконец, верните наиболее релевантные документы.

Некоторые эксперименты, такие как результаты системы Cornell SMART, опубликованные в (Buckley et al., 1995), показывают улучшение производительности поисковых систем с использованием обратной связи псевдорелевантности в контексте экспериментов TREC 4.

Этот автоматический метод в основном работает. Факты показывают, что он работает лучше, чем глобальный анализ.[5] С помощью расширения запроса некоторые релевантные документы, пропущенные на начальном этапе, затем могут быть извлечены для повышения общей производительности. Ясно, что эффект этого метода сильно зависит от качества выбранных условий расширения. Было обнаружено, что он улучшает производительность в специальной задаче TREC.[нужна цитата]. Но и автоматический процесс связан с опасностями. Например, если запрос касается медных рудников, а несколько самых верхних документов относятся к рудникам в Чили, то может быть смещение запроса в сторону документов по Чили. Кроме того, если слова, добавленные в исходный запрос, не связаны с темой запроса, качество поиска, вероятно, ухудшится, особенно в веб-поиске, где веб-документы часто охватывают несколько разных тем. Чтобы улучшить качество расширенных слов в обратной связи псевдорелевантности, была предложена обратная связь позиционной релевантности для обратной связи псевдорелевантности, чтобы выбирать из документов обратной связи те слова, которые сфокусированы на теме запроса, на основе позиций слов в документах обратной связи.[6] В частности, модель позиционной релевантности присваивает больший вес словам, встречающимся ближе к словам запроса, на основе интуиции, что слова, более близкие к словам запроса, с большей вероятностью будут связаны с темой запроса.

Слепая обратная связь автоматизирует ручную часть обратной связи по релевантности и имеет то преимущество, что оценщики не требуются.

Использование релевантной информации

Информация о релевантности используется путем использования содержимого соответствующих документов либо для корректировки весовых коэффициентов терминов в исходном запросе, либо путем использования этого содержимого для добавления слов в запрос. Обратная связь по релевантности часто реализуется с помощью Алгоритм Роккио.

использованная литература

  1. ^ https://web.archive.org/web/20040316204714/http://www.scils.rutgers.edu/etc/mongrel/kelly-belkin-SIGIR2001.pdf
  2. ^ Янсен, Б. Дж. И МакНиз, М. Д. 2005. Оценка эффективности и моделей взаимодействия с автоматизированной помощью в IR-системах. Журнал Американского общества информационных наук и технологий. 56 (14), 1480–1503
  3. ^ Келли, Дайан и Джейми Тиван. "Неявная обратная связь для определения предпочтений пользователя: библиография. »ACM SIGIR Forum. Том 37. № 2. ACM, 2003.
  4. ^ https://web.archive.org/web/20070611121933/http://haystack.lcs.mit.edu/papers/kelly.sigirforum03.pdf
  5. ^ Цзиньси Сюй и В. Брюс Крофт, Расширение запроса с использованием локального и глобального анализа документов, в материалах 19-й ежегодной международной конференции ACM SIGIR по исследованиям и разработкам в области поиска информации (SIGIR), 1996.
  6. ^ Юаньхуа Львов и Чэн Сян Чжай, Модель позиционной релевантности для обратной связи с псевдорелевантностью, в материалах 33-й международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска (SIGIR), 2010.

дальнейшее чтение