基于词重要性的Markov网络查询扩展模型

摘要：

词项权重已经广泛应用于信息检索模型中,针对传统的词项独立性假设的词袋模型的问题,本文将基于词重要性的词项权重的计算方法应用于Markov网络查询扩展模型中.该词项权重的计算方法须先建立文档的词项图,然后根据词项图得到词项的共现矩阵和词项间的概率转移矩阵,最后利用Markov链的计算方法得到词的权重.将得到的词项权重代入Markov网络扩展模型中,在5个标准数据集上的实验结果表明,采用基于词重要性的Markov网络查询扩展模型的检索结果优于传统的基于词袋的检索结果.

关键词：词项图、Markov网络、查询扩展

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94