利用向量空间建模信息检索中的多维用户相关性
信息检索
2018-05-08 v1
摘要
已有研究表明，文档的相关性判断受主题性之外的多种因素影响。文献中提出的一些多维用户相关性模型（MURM）探讨了相关性的不同维度对用户判断的影响。我们的假设是，用户在某一会话中可能更看重某些相关性维度，且这些权重会随会话推进而动态变化。这促使我们需要利用反馈捕捉不同相关性维度的权重，并构建模型以根据这些权重对后续查询的文档进行排序。我们提出了一种受量子论数学框架启发的几何模型，以捕捉用户对各相关性维度所赋予的重要性，并在来自某网络搜索引擎与 TREC Session track 的数据上检验了我们的假设。
引用
@article{arxiv.1805.02184,
title = {Modeling Multidimensional User Relevance in IR using Vector Spaces},
author = {Sagar Uprety and Yi Su and Dawei Song and Jingfei Li},
journal= {arXiv preprint arXiv:1805.02184},
year = {2018}
}