基于改进互信息的信息检索扩展模型

J4 ›› 2013, Vol. 35 ›› Issue (3): 150-154.

基于改进互信息的信息检索扩展模型

涂伟1，甘丽新2，黄乐辉1，谢志华2

(1.江西科技师范大学文科综合实验中心，江西南昌 330038；2.江西科技师范大学光电子与通信重点试验室，江西南昌 330038）

收稿日期:2011-08-25 修回日期:2012-07-10 出版日期:2013-03-25 发布日期:2013-03-25
基金资助:
江西省教育厅科技资助项目（GJJ11224，GJJ11225）；江西省科技支撑计划资助项目（00029511101228076）

Expanded information retrieval
model based on improved mutual information

TU Wei1,GAN Lixin2,HUANG Lehui1,XIE Zhihua2

(1.Center of Arts Complex Laboratory,Jiangxi Science and Technology Normal University,Nanchang 330038;
2.Key Laboratory of OpticElectronic and Communication,
Jiangxi Science and Technology Normal University,Nanchang 330038,China)

Received:2011-08-25 Revised:2012-07-10 Online:2013-03-25 Published:2013-03-25

摘要/Abstract

摘要：

互信息已广泛应用于信息检索扩展模型中。针对互信息存在倾向于低频词、忽略稀疏数据可能导致负相关的潜在影响的问题，本文将改进的互信息方法应用于信息检索扩展模型中。在五个标准数据集上的实验结果表明,本文提出的基于改进互信息的信息检索扩展模型比基于传统互信息的查询扩展模型具有更优的检索性能。

关键词: 查询扩展, 互信息, 信息检索

Abstract:

Mutual Information has been widely applied to many expanded information retrieval models.Aiming at problems in mutual information,for instance,being apt to lowfrequency words and ignoring negative potential impact led by sparse data,this paper applies improved mutual information in an expanded information retrieval model. Experimental results on the five normal datasets show that the expanded information retrieval model based on improved mutual information outperforms that based on traditional mutual information.

Key words: query expansion;mutual information;information retrieval

涂伟1，甘丽新2，黄乐辉1，谢志华2. 基于改进互信息的信息检索扩展模型[J]. J4, 2013, 35(3): 150-154.

TU Wei1,GAN Lixin2,HUANG Lehui1,XIE Zhihua2. Expanded information retrieval
model based on improved mutual information [J]. J4, 2013, 35(3): 150-154.

[1]	李雨晨, 魏巍, 白伟明, 王达. 基于标签共现关系的多标签特征选择[J]. 计算机工程与科学, 2021, 43(11): 2049-2055.
[2]	李茜, 周华健, 杨浩运, 殷海兵. 一种基于listwise的在线学习书目排序检索算法[J]. 计算机工程与科学, 2020, 42(04): 749-754.
[3]	王鑫, 陈建凯, 翟俊海, . 区间值属性单调决策树算法的扩展[J]. 计算机工程与科学, 2020, 42(03): 557-563.
[4]	孙燕, 孙茂松, 赵海兴, 冶忠林, . 表示学习中句子与随机游走序列等价性的一种新证明[J]. 计算机工程与科学, 2020, 42(02): 373-380.
[5]	朱天宇，全惠敏，刘国才. 联合弯曲能量和标志点对应约束的非刚性医学图像配准[J]. 计算机工程与科学, 2019, 41(05): 851-857.
[6]	黄进，周栋. 一种融合社会化标注系统中主题域相似的个性化排序方法[J]. 计算机工程与科学, 2018, 40(05): 880-887.
[7]	王波涛，李昂，陈月梅，邓诗卓，常博涵，吴俊学. H-PCPIR-V：基于Huffman编码的PCPIR-V优化算法[J]. 计算机工程与科学, 2018, 40(03): 418-430.
[8]	王志宝1，夏昊2，王成波2. 地理信息检索关键技术研究综述[J]. 计算机工程与科学, 2018, 40(03): 533-543.
[9]	周栋，赵文玉，伍璇，刘建勋. 个性化跨语言信息检索中结果重排序研究[J]. 计算机工程与科学, 2017, 39(10): 1922-1929.
[10]	苏依拉，吉亚图，窦葆媛. 基于蒙古语课程领域语义Web的推理与检索方法的研究[J]. J4, 2016, 38(02): 376-385.
[11]	陈峰，张伟娟，靳小波. 基于互信息和众数的类间关系研究[J]. J4, 2014, 36(10): 2019-2027.
[12]	张育培，刘树慧. 基于特征漂移的数据流集成分类方法[J]. J4, 2014, 36(05): 977-985.
[13]	王小伟1, 郭红涛2, 王中锋3. 抗干扰词攻击的免疫垃圾邮件过滤模型[J]. J4, 2013, 35(12): 173-177.
[14]	李玲1，刘华文1,2，马宗杰1，赵建民1. 基于特征选择的集成多标签分类算法[J]. J4, 2013, 35(10): 137-143.
[15]	冯雪芳，吴锡生. 基于归一化边缘互信息与自适应加速粒子群的图像配准方法[J]. J4, 2013, 35(1): 119-123.