基于可能性 Bayesian 网络的相关信息检索：起源与可能性视角
信息检索
2012-06-06 v1
摘要
本文综合介绍了在两种信息检索模型上所做的工作：一种是编码词项间（不）依赖关系的 Bayesian 网络信息检索模型，另一种是利用必然性与可能性测度来表示相关性测度模糊性的可能性网络信息检索模型。众所周知，将通用 Bayesian 网络方法作为 IR 系统的基础难以处理。该问题主要源于涉及的大量变量以及确定变量间关系和执行推理过程所需的计算量。为了解决这些问题，人们提出了许多模型，例如 BNR 模型。通常，Bayesian 网络模型在衡量文档与给定查询的相关性时不考虑自然语言的模糊性，而可能性模型不处理用于文档索引的词项间的依赖关系。作为初步解决方案，我们提出将这两种模型混合为一个模型，以同时处理词项间关系和自然语言的内在模糊性。我们相信，将 Bayesian 网络模型从概率框架转换到可能性框架将使 BNRM 的性能得到提升。
引用
@article{arxiv.1206.0968,
title = {Pertinent Information retrieval based on Possibilistic Bayesian network : origin and possibilistic perspective},
author = {Kamel Garrouch and Mohamed Nazih Omri and Bachir Elayeb},
journal= {arXiv preprint arXiv:1206.0968},
year = {2012}
}
备注
The International Conference on Computing & e-Systems - 2008