C-DLSI：一种面向联邦文本检索的扩展 LSI 方法
信息检索
2018-10-08 v1
摘要
随着网络在数据量与地理分布上的扩展，集中式搜索方法变得低效，导致对协作信息检索（如联邦文本检索（FTR））的兴趣日益增长。不同于现有的集中式信息检索（IR）方法在逻辑集中的文档集合上搜索，FTR 由若干对等节点组成，每个节点自身都是完整的搜索引擎。处理查询时，FTR 首先需要识别承载相关文档的有希望的对等节点，然后从所选节点检索最相关文档。现有多数方法仅应用传统 IR 技术，将每个文本集合视为单个大文档并利用词项匹配对集合排序。本文形式化该问题并识别 FTR 的特性，分析以聚类扩展 LSI 以适应 FTR 的可行性，并基于此提出一种称为基于聚类的分布式潜在语义索引（C-DLSI）的新方法。C-DLSI 通过聚类区分对等节点的主题，捕获簇内的局部 LSI 空间，并考虑这些 LSI 空间间的关系，从而提供更精确的节点刻画。相应地，提出了新的节点描述符与兼容的局部文本检索。实验结果表明 C-DLSI 优于现有方法。
引用
@article{arxiv.1810.02579,
title = {C-DLSI: An Extended LSI Tailored for Federated Text Retrieval},
author = {Qijun Zhu and Dandan Li and Dik Lun Lee},
journal= {arXiv preprint arXiv:1810.02579},
year = {2018}
}