一种面向歧义查询的有效信息检索方法

搜索引擎针对单个用户查询会返回数千个网页，其中大部分并不相关。在此背景下，从不断膨胀的万维网中进行有效信息检索是一项具有挑战性的任务，尤其当查询存在歧义时。这里出现的主要问题是如何为歧义查询获取相关页面。我们提出一种方法，通过利用向量空间模型和 freedictionary，基于数据挖掘中的关联概念构建社区向量，以获得歧义查询的有效结果。我们通过计算社区向量与从搜索引擎提取的网页所形成的文档向量之间的相似度来构建聚类。我们使用 Gensim 包实现该算法，因其简洁性和鲁棒性。分析表明，我们的方法是为歧义查询构建聚类的有效途径。