[정보검색] 9. Relevance Feedback & Query Expansion

2. Motivation

Recall 개선하기: 동의어, 유의어들 추출.

ex. aircraft라는 query에 대해서 plane의 결과물도 넣는다면?

 

두가지 방법

1. Local- relevance feedback

2. thesaurus- query expansion

 

3. Relevance feedback: Basics

사용자 피드백을 이용해서 다시 검색

처음 검색->사용자가 관련 있는 것들을 선택->그 feedback 기반으로 다시 검색.

 

4. Relevance feedback: Details

Centroid: 질량의 중심점(point)

def. 

D는 document 집합, v(d)는 벡터

 

Rocchoi algorithm

q_opt를 최대화하는 것.

Dr: 관련있는 docs

Dnr: 관련 없는 docs

이렇게 다시 쓸 수 있음.

 

조금 나아가서 가중치 α,β,γ를 이용하여 수정 가능

 

 

Relevane feedback의 기본 추정

- 이니셜 쿼리는 유효할 것이다.

->사용자와 collection의 용어가 차이날 수도 있다.(유효하기 어려움)

- 유사한 term들이 선택되어 구분될 것이다.

->관계가 있음에도 구분되는 경우도 있다.

 

평가 방법

top 10개 precision : P@10

feedback을 한 것들은 이미 답을 알려주었으니까 그것들을 제외하고 평가해야 공정.

Caveat: 시스템에서 질의하고 상위 문서로 확장(시간을 동일하게 하기 위함).

문제점

: 쿼리가 많다.

 

Pseudo-relevance feedback

시스템이 알아서 relevant feedback.

'평균적'으로 좋음.(query drift같은것으로 확 꺾이기도 해서..)

 

 

5. Query Expansion

사용자 피드백의 종류

-document(relevance feedback에서 많음)

-words or phrase (query expansion에서 많음)

 

Query expansion

- 쿼리를 좀 넓게 적용해서 결과를 다양화

- 유사한 개념 중심의 '시소러스' 활용

 

Thesaurus-based query expansion

- 유사어모음을 통해 검색이 용이

-양이 많아지니 Recall은 높아지지만 precision은 떨어질 수도 있음.