21314

USING CONTEXT DATA IN INFORMATION RETRIEVAL

Научная статья

Информатика, кибернетика и программирование

Proposed approach can be easily included in current search engines. This approach is not a complete alternative to classic methods applied in popular search engines, but it can be treated as an additional improvement that provides more efficient way in positioning on relevant document.

Английский

2015-01-19

21 KB

10 чел.

Ivan Zagidulin

USING CONTEXT DATA IN INFORMATION RETRIEVAL

Department of Informatics and Processes Management, Ural State University, Ekaterinburg, Russia

 1. Introduction

The major issue of current web search engines is to provide the most relevant documents to the users. Statistics show that the vast majority of search requests consists of one or two words. Clearly there cannot be a reliable answer has given to the question that has lack of information about what user need. Words of the shot request can be included in documents of different domains. And the user has to look through a lot of irrelevant documents or send new request with additional words.

So, current interface of web search engines assumes that the user repeatedly will adjust his request. It is supposed that usage of surrounding context of the request can solves this problem. This paper proposes a new interface web search engines different from command line. Base on this interface search engine will be able to receive current browsing context and use it in search results ranking algorithm. Developed context-based techniques allow to define the domain of the request and retrieve documents in which search phrase has certain meaning.

Proposed approach can be easily included in current search engines. This approach is not a complete alternative to classic methods applied in popular search engines, but it can be treated as an additional improvement that provides more efficient way in positioning on relevant document.

 2. Context-based search

An idea of out technique is to provide for the IR-system both search request and context, in which the user encountered the information of interest. IR-system finds the documents containing the request, and the ranking function assigns the highest priority for the text closest to the context. This approach does not depend on the way of context's gathering and measure used for  documents proximity calculation.

In out paper we assume that context is structure, containing user's current working environment data, that obtained without user participation and provided for IR-system along with request. Words «current working environment» in this definition means text, surrounding searched terms. Context may also contain web-browsing history, information about most visited pages, system platform and browser. Notice that this information can be gathered by search client automatically so that the user shouldn't «specify the context» himself (like choosing from given categories or using special query syntax).

Thus, the idea of applying query context in information search may have many implementations and can be embedded as plug-in in existing search engines.

Different disambiguation techniques may be used in our approach but algorithms without supervisor are more appropriate in this case. First, modern IR-systems have huge collections of documents and a lot of routing work is needed to mark them. Second, the structure of inverted search index are suitable for unsupervised methods. In search index each term has a corresponding list of documents, containing it. We only must group this documents in clusters using appropriate metric for implementation of our technique. Variable parameters of such approach are proximity measure, text representation and clustering algorithm. Extending documents corpus new texts may be added to existing clusters or set a new group, depending on value of measure.

System based on clustering of text collection may have following architecture:

  1.  Firstly, the construction of inverted search index from plain text corpus take place. For each new term we find all documents, containing it, and run clustering algorithm. As result each term will have corresponding set of clusters (set of tokens). Thus we construct modified search index (homonym thesaurus) in which a set of tokens corresponds for each term and a set of documents corresponds for each token.
  2.  We can easily find relevant documents using constructed homonym thesaurus. Request to search system in our approach consists of two parts: the query and its context. We will have to find the cluster, nearest to the query context.

 3. Experiments and conclusion

To test our ideas, we implemented experimental prototype of system, building inverse search index from text collection. Each document was represented as a vector of term weights. The nearer term to the requested word, the greater value it obtained. We used hierarchical algorithms for clustering documents. Distance between clusters was equal to the maximum distance between any two vectors from different clusters.

After learning phase clusters was represented by their centroids. This representation requires less of memory and provides fast distance calculation. Distance between context vector and cluster was found as distance to centroid of this cluster.

Experiments show that using our technique documents with close contexts are retrieved on requests, especially in case of collocations, idioms and phrasal verbs. The idea of using context for request disambiguation can be naturally added to existing search engines to bring more effectiveness.


 

А также другие работы, которые могут Вас заинтересовать

36923. Операционная система Windows, конфигурирование и настройка 87.5 KB
  Знакомство с реестром Windows администрирование автозагрузки настройка Windows. Знакомство с основными видами пользовательского интерфейса изучение базовых консольных команд Windows. Системные команды Windows Таблица 1 Основные системные команды Windows HELP название команды Выводит справочную информацию о командах Windows XP.
36924. Исследование статических триггеров 61 KB
  Цель лабораторной работы: исследовать основные свойства статических триггеров. Задание: снять временные диаграммы определить таблицы состояний особенности работы статических триггеров асинхронный RS триггер синхронный RS триггер и D триггерзащелка. Программа работы для каждого триггера.
36925. КОМПЬЮТЕРНАЯ СИСТЕМА PROJECT EXPERT. ОПРЕДЕЛЕНИЕ НЕОБХОДИМОСТИ ФИНАНСИРОВАНИЯ ПРОЕКТА 47 KB
  ОПРЕДЕЛЕНИЕ НЕОБХОДИМОСТИ ФИНАНСИРОВАНИЯ ПРОЕКТА Цель: изучить систему команд Project Expert формирования инвестиционного и операционного планов предприятия по реализации проекта. Выполнить на ПЭВМ следующие разделы Project Expert: Инвестиционный план Операционный план. На основе инвестиционного и операционного планов предприятия определить потребность в финансировании проекта. Теоретическое введение Следующим этапом процесса построения финансовой модели является описание плана развития предприятия проекта.
36926. Решение задач нелинейного программирования в среде Mathcad и Excel 64 KB
  Оптимальное распределение активной мощности между тремя ТЭС Для задачи рассмотренной на 4м практическом занятии выполнить распределение активной мощности между тремя ТЭС без учета 1а и с учетом 1б изменения потерь мощности в сети. Оптимальное распределение активной мощности между тремя ТЭС с учетом уравнений баланса мощностей во всех узлах сети Решить предыдущую задачу с учетом уравнений узловых напряжений для узлов схемы сети. Оптимальное распределение реактивной мощности между тремя ТЭС с учетом уравнений баланса мощностей во...
36927. Исследование статических и динамических характеристик уровнемеров 1.89 MB
  Губкина Кафедра автоматизации технологических процессов Лабораторная работа Исследование статических и динамических характеристик уровнемеров Методическое пособие к лабораторным работам по курсам : Методы и средства измерений испытаний и контроля Автоматизация производственных процессов Основы техники измерений Москва 2011 Введение Автоматизированные системы управления технологическими процессами АСУ ТП получают результаты измерений в процессе...
36928. Блочные симметричные алгоритмы шифровании. Режимы работы блочных алгоритмов 2.77 MB
  Блочными называются шифры в которых логической единицей шифрования является некоторый блок открытого текста после преобразований которого получается блок шифрованного текста такой же длины. Ситуации в которых постороннему наблюдателю известна часть исходного текста встречаются повсеместно. Это диктуется в первую очередь требованием невозможности обратного декодирования в отношении ключа при известных исходном и зашифрованном текстах. Предположим противник обладает некоторыми сведениями о статистических характеристиках открытого текста.
36929. Моделі оптимального використання взаємозамінних ресурсів 41 KB
  2 як зміниться план якщо норми затрат часу роботи обладнання А на одиницю продукції 1 збільшаться до 3 а обладнання В на одиницю продукції 2 зменшаться до 3. 4 Як зміниться розвязок задачі якщо прибуток від продажу продукції зросте на 10 де k порядковий номер у списку студентів групи: m=10k якщо k 10 m=20k якщо k 10 Задача 2 З наступних задач студентка вибирає одну відповідно до порядкового номера у списку студентів групи. Компанія Яваінâ віднедавна отримала статус ексклюзивного дистрибютора іспанської фірми із...
36930. Зовнішній вигляд сторінок. Їх оформлення. Форматування тексту 75 KB
  Форматування тексту. Навчитись змінювати параметри форматування абзаців: вирівнювання інтервал розміщення на сторінці табуляція обрамлення та заповнення список нумерація заголовків. Засвоїти поняття: автозбереження; резервні копії документів; режими відображення документів; пошук текстових документів за різними критеріями; захист документа; основні елементи документа; опції редагування; параметри форматування символів; параметри форматування абзацу; вирівнювання; відступ інтервал розміщення на сторінці табуляція ...
36931. Дослідження нормального розподілу 16.96 KB
  Створюємо таблицю зі стовпчиками задача а задача б задача в та рядками вага пакунку та ймовірність. Задача а Задача б Задача в Вага пакунку Менше 48 Більше 51 У межах від 48 до 51 кг. Ймовірність Задача а Для підрахунку ймовірності РХ 48 події що навмання взятий пакет важить менше 48 кг. Задача б Для підрахуваня ймовірності РХ 51 події що навмання взятий пакет важить більше 51 кг використаємо співвідношення РХ 51=1РХ 51.