偽相關反饋是一種自動局部分析方法。
基本介紹
- 中文名：偽相關反饋
- 別名：盲式相關反饋
- 類型：自動局部分析方法
偽相關反饋，也稱之為盲式相關反饋，提供的是一種自動局部分析方法，它可以自動化相關反饋的手動操作部分，因此用戶可不用參與額外的互動也可以獲得更好的檢索性能。這種方法首先通過普通檢索從最相關的文檔中尋找到一個初始結果，然後假定其中跨剃全的前"k"排名文檔是相關的，最後在這個假設條件下像前面一樣進行相關反饋。過程步驟如下：
把初始查詢返回的結果當成相關結果（在大多數實驗中僅前k個，k位於10和50之間的數雄達灑）；
使用如TF-IDF權重的方法從這些文檔中選擇前20-30（象徵性的數字）個詞語；
執行查詢擴展，將這些詞語加入到查詢中，然後再去匹配查詢所返回的文檔，最終返回最相關的文檔。
一些實驗，如發表在(Buckley et al.1995)的Cornell SMART系統，在TREC 4實驗環境中使用偽相關反饋提升了其檢索系統的性能。
這種自動化技術在大多數情況下都工作正常，有證據表明甚至好於全局分析。[1] 通過查詢擴展，一些在初始查詢中錯過的文檔能被重新獲得，從而提高了整體性能。煮贈勸很顯然，這種方法的效果非常依賴於所選擇的擴展詞語的質量，目前已經發現它在TREC即席任務中提高了性能[來源請求]。但是它又避免了自動處理過程的危險，例如，如果需要查詢的是銅礦，而且位於前面的一些文檔都是關於智利的銅礦，那么在查詢方向上會逐漸偏向於那些與智利有關的文檔嚷判地蜜。 然而，如果加入原始查詢的詞語與查詢主題並不再設奔相關，檢索質量有可只鍵協淋能會下降，尤其是在Web搜尋中婆察，Web文檔經常會覆蓋多個不同的主題。
