超图中的疲劳随机游走：一种用于提升检索性能的神经元类比

超图是能够刻画超二元关系的数据结构。我们可用其建模二元关系，也可建模实体组以及这些组之间的交集或所含子组。在先前工作中，我们探索了将超图用作索引数据结构，特别是能够无缝整合文本、实体及其关系以支持实体导向搜索任务的结构。然而，随着超图中信息的增加，其不仅规模变大，也变得更稠密，使得高效地对节点或超边排序的任务更加复杂。随机游走能有效刻画网络结构，且不牺牲性能，或至少在非确定性环境中提供效率与效果之间可调节的平衡。为获得更高效果，通常需要更多次随机游走，而这常导致效率降低。受冯·诺依曼与大脑神经元的启发，我们提出并研究了节点与超边疲劳的用法，作为在基于关键词的即席检索中临时约束随机游走的一种方式。我们发现能将搜索时间提升 32 倍，但也使 MAP 恶化 8 倍。此外，通过区分节点与超边中的疲劳，我们得以发现：对于超边排序任务，随着节点疲劳增加，我们一致地获得更低的 MAP 分数。另一方面，超边疲劳的总体影响略为正向，尽管它也轻微恶化了效率。