優(yōu)先聚合運(yùn)算：用戶需求信息檢索的優(yōu)化

蔣大平

（綏化學(xué)院圖書館 黑龍江綏化 152061）

Web上的充斥著大量信息,我們急需一個有效的信息系統(tǒng),能夠定位和檢索與用戶興趣相關(guān)的信息。而相關(guān)性評價通常基于多個標(biāo)準(zhǔn)的評價，也就是相關(guān)性維度，旨在捕獲所考慮的文檔或文檔上下文的不同方面或?qū)傩裕?］。相關(guān)性維度應(yīng)估計(jì)文檔對于用戶的查詢效用，例如，搜索引擎中頁面熱度概念有效利用了文檔相關(guān)性評估的評價標(biāo)準(zhǔn)。具體而言，與每個檢索到的文檔相關(guān)聯(lián)的總體相關(guān)性的得分計(jì)算，是基于表示評價標(biāo)準(zhǔn)滿意度的若干得分的計(jì)算。作為直接結(jié)果，需要將與單個標(biāo)準(zhǔn)評估相關(guān)的得分聚合為表示總體相關(guān)性估計(jì)的總體得分。盡管這個聚合步驟在文檔的最終排名中起著重要的作用，但在一些研究中，并沒有引起應(yīng)有的重視。

傳統(tǒng)的平均聚合算子是完全補(bǔ)償?shù)模慈狈M意度評價標(biāo)準(zhǔn)，可以通過另一個剩余滿足來補(bǔ)償［2］。這種性質(zhì)在許多實(shí)際應(yīng)用中并不現(xiàn)實(shí)，特別是在信息檢索（IR）領(lǐng)域。

為了說明和評估優(yōu)先級聚合算子，我們使用一個信息檢索個性化設(shè)置，信息檢索IR 的個性化設(shè)置使用用戶興趣的正式表示即用戶資料，來評估信息檢索相關(guān)性與用戶查詢的關(guān)系。這種方式特別有效，如果用戶經(jīng)常公式化他的個人資料中固有的興趣查詢，搜索個性化就能戰(zhàn)勝傳統(tǒng)檢索方法，這種方法不考慮用戶的背景和檢索目的，用相同的檢索表達(dá)式，面對不同的用戶產(chǎn)生相同的檢索結(jié)果。近年來，越來越多的研究致力于使信息檢索技術(shù)盡可能地利用上下文因素，以便為特定用戶定制搜索結(jié)果［3］。

一、優(yōu)先級多準(zhǔn)則聚合

在多準(zhǔn)則決策設(shè)置中，考慮多維標(biāo)準(zhǔn)之間優(yōu)先關(guān)系是典型的問題。在缺乏更高優(yōu)先級標(biāo)準(zhǔn)滿意度的情況下，不可能用較低優(yōu)先級的標(biāo)準(zhǔn)滿意度來補(bǔ)償。我們給出下面一個簡單的現(xiàn)實(shí)生活中的例子，對其進(jìn)行解釋。

讓假設(shè)李女士正在尋找件羽絨服。她的選擇基于兩種標(biāo)準(zhǔn)。第一個標(biāo)準(zhǔn)是“保暖”，第二標(biāo)準(zhǔn)是“不貴”。對李女士來說，更重要的是保暖，而不是便宜。因此，他想買一件首先是保暖的羽絨服，然后，如果可能的話便宜一些。我們可以考慮兩種情況。

a如果李女士沒有找到任何便宜的保暖羽絨服，他可以買到保暖昂貴的羽絨服（因此，廉價標(biāo)準(zhǔn)的不滿足可以在某種程度上通過保暖標(biāo)準(zhǔn)的滿足來補(bǔ)償）。

b李女士沒有多少錢。她仍然認(rèn)為保暖比成本更重要，然而，她負(fù)擔(dān)不起巨額費(fèi)用。在這種情況下，李女士首先會找一件比較保暖又便宜的羽絨服。因此，在這種情況下，廉價標(biāo)準(zhǔn)的不滿足不能通過保暖標(biāo)準(zhǔn)的滿足來補(bǔ)償。

要注意到，在這兩種情況下，先需要一個優(yōu)先聚合算子，然而，對于第一個合適的算子不同于對于第二種情況合適的算子。與相對于第一種情況，第二種情況的是，羽絨服是保暖的，但不夠便宜，李女士不會考慮；相反，相對于第二種情況第一種情況是，一件便宜但不保暖的羽絨服不會被考慮，因?yàn)楸Ｅ亲钪匾臏?zhǔn)則。明顯看到，這個問題是一個多準(zhǔn)則決策問題，從現(xiàn)實(shí)生活實(shí)例到信息檢索語境，所考慮的標(biāo)準(zhǔn)是不同的關(guān)聯(lián)維度。

二、優(yōu)先聚合運(yùn)算符

這里涉及兩個優(yōu)先聚合運(yùn)算符（‘score’運(yùn)算符和‘a(chǎn)nd’運(yùn)算符），于2009年由佩雷拉等人首次提出，主要是將所提出的算子應(yīng)用加權(quán)，聚合中與所考慮的標(biāo)準(zhǔn)即關(guān)聯(lián)性維數(shù)相關(guān)的重要性權(quán)值基于指定的優(yōu)先級順序。這意味著與標(biāo)準(zhǔn)相關(guān)的權(quán)重取決于更高的滿意度［4］。

（一）問題表征。

首先，假設(shè)C 集合是評價標(biāo)準(zhǔn)集合，有n 個評價標(biāo)準(zhǔn)組成，即C={C1，C2，…,Cn},

其中，Ci表示對第i個標(biāo)準(zhǔn)的評價函數(shù)。

然后，用D 表示文件集合，d∈D 表示文件元素。聚合函數(shù)F用于計(jì)算文件d的對于給定標(biāo)準(zhǔn)的總評分。

Score F（C1(d)，C2(d)，…，Cn(d)）=RSV(d)

這意味著通過考慮同一組標(biāo)準(zhǔn)，對于不同的用戶，給定文檔查詢的相關(guān)性評估，可能會產(chǎn)生不同的分?jǐn)?shù)（不同的RSV）。并且對于同一用戶具有不同搜索意圖的檢索也會產(chǎn)生不同的分?jǐn)?shù)。這是因?yàn)闃?biāo)準(zhǔn)的優(yōu)先級順序是用戶依賴的,因此，要對每個標(biāo)準(zhǔn)賦予不同的重要性權(quán)值，使得不同的用戶有不同的標(biāo)準(zhǔn)優(yōu)先級排序，盡可能做到對于同一篇文件不同的用戶使用不同的重要性權(quán)值［5］。

這里，選擇用C1表示最重要標(biāo)準(zhǔn)，用Cn表示最不重要的標(biāo)準(zhǔn)，假設(shè)Ci重要性優(yōu)先于Cj，i＜j。假設(shè)序列“C0，C1,C2,…,Cn”被看做是用戶定義的標(biāo)準(zhǔn)序列，對于用戶來說，C0是最重要的條件，Cn是最不重要的條件。定義的計(jì)算與每個準(zhǔn)則Cj相關(guān)聯(lián)的權(quán)重?cái)?shù)值的方法既依賴于文檔的滿意度又依賴于用戶興趣。它實(shí)際上首先取決于用戶表達(dá)的標(biāo)準(zhǔn)偏好順序，并且還取決于文檔對標(biāo)準(zhǔn)Cj-1的滿意度，Cj-1的權(quán)值。

假設(shè)對于文件d，標(biāo)準(zhǔn)Ci的重要性權(quán)值λi∈[0,1]。對不同的用戶，任意的文件d，設(shè)λ1=1。Ci,i∈[2,n]。λi=λi-1·Ci-1(d)。Ci-1(d)是由文件d確定的標(biāo)準(zhǔn)Ci-1的滿意度。λi-1是標(biāo)準(zhǔn)Ci-1的重要性權(quán)值。

（二）優(yōu)先得分模型。即給出“score”優(yōu)先聚合算子Fs的表達(dá)式和性質(zhì)。這個聚合算子允許從多個標(biāo)準(zhǔn)評價中計(jì)算總體得分，其中每個標(biāo)準(zhǔn)的權(quán)重取決于滿意度，在最重要的標(biāo)準(zhǔn)上滿意度越高，權(quán)重越高。更重要的標(biāo)準(zhǔn)是，一個不太重要的標(biāo)準(zhǔn)的滿意度越大，對總成績的影響越大。

（三）“and”算子。2009年由Pereira等人提出的優(yōu)先聚合算子“and”。此運(yùn)算符允許建模，總體滿意度強(qiáng)烈地依賴于最不滿意標(biāo)準(zhǔn)的滿意度［6］。這種算子的與傳統(tǒng)的“and”算子不同。它的特征在于考慮最不重要準(zhǔn)則對用戶的滿足程度。如果它根本不重要，則在聚合過程中不應(yīng)該考慮它的滿意度，而如果它是用戶最重要的標(biāo)準(zhǔn)，則只考慮它的滿意度。標(biāo)準(zhǔn)越不重要，代表整體滿意度的機(jī)會就越低。

聚合算子算法：

RSVa(d)=Fa(C1(d)，C2(d)，…，Cn(d))=min({C1(d),C2(d),…,Cn(d)})

對于上例中，設(shè)C1(d)代表“保暖”，C2(d)代表“不貴”，C1(d)=0.9，C2(d)=0.2，λ1=1，λ2=0.9。

RSVs(d)=λ1·C1(d)+λ2·C2(d)=0.9+0.18=1.08

RSVa(d)=min({C1(d),C2(d)})=min(0.91+0.180.9)=0.213

RSVs(d)∈[0,2]優(yōu)于RSVa(d)∈[0,1]的結(jié)果。

三、相關(guān)標(biāo)準(zhǔn)的優(yōu)先級排序

評估信息檢索算法有效性的傳統(tǒng)方法是基于Cranfield范式的，該范式允許所謂的基于實(shí)驗(yàn)室的評估。實(shí)際上，當(dāng)應(yīng)用優(yōu)先級聚合策略時，根據(jù)所采用的依賴于用戶的優(yōu)先級化方案，針對相同查詢評估的相同文檔可以產(chǎn)生不同的評估分?jǐn)?shù)［7］。

相關(guān)標(biāo)準(zhǔn)的優(yōu)先級順序取決于用戶的搜索意圖。為了進(jìn)行有意義的評估，基于相關(guān)性維度的語義，我們識別出與不同的搜索意圖相對應(yīng)的三個用戶類別，在所考慮的相關(guān)性維度上歸納出三個不同的優(yōu)先級順序，所識別的類別構(gòu)成了需要考慮到評價目標(biāo)的評價情景［8］。

第一個評估場景，主要考慮當(dāng)用戶制定僅關(guān)注他/她的興趣的查詢時的情況；在這種情況下，假設(shè)用戶旨在定位首先與他/她的興趣相關(guān)的文檔，同時要求搜索的文檔do不要關(guān)注除了查詢所表示的其他主題之外的其他主題。

比如，假設(shè)用戶正在尋找關(guān)于“金”的文檔，他/她感興趣的是化學(xué)而不是經(jīng)濟(jì)學(xué)。這意味著用戶正在查找“金”作為化學(xué)元素的文檔，而不是“金”作為存儲的價值。根據(jù)這個搜索場景，繼續(xù)識別第一個用戶類別，我們稱之為“覆蓋搜索器”。使用該用戶類別，我們將以下優(yōu)先級順序與四個考慮的關(guān)聯(lián)維度關(guān)聯(lián)：

coverage appropriateness aboutness reliability

很重要的一點(diǎn)是，稍微不同的優(yōu)先級順序可以與這個用戶類別相關(guān)聯(lián)，以及與以下兩個用戶類別一起指定。

第二種情況，當(dāng)用戶的意圖是找到文件，完全適合他/她的興趣。我們將此第二用戶命名為“適當(dāng)性搜索者”，我們認(rèn)為它在四種標(biāo)準(zhǔn)中處于最高優(yōu)先級。

appropriateness aboutness coverage reliability;

我們介紹的第三個用戶類別是指優(yōu)先考慮檢索到的文檔的信息源的可靠性的用戶；我們稱屬于該類別的用戶是謹(jǐn)慎的；這些用戶給予可靠性標(biāo)準(zhǔn)比其他標(biāo)準(zhǔn)更大的優(yōu)先級。使用這個用戶類別，我們將以下優(yōu)先級順序與四個考慮的關(guān)聯(lián)維度關(guān)聯(lián)起來。

reliability aboutness appropriateness coverage

結(jié)論

不同類型的用戶，具有不同的搜索意圖。優(yōu)先排序聚合方案特點(diǎn)是，對于相同的查詢和相同的用戶，可以根據(jù)相關(guān)維度的不同優(yōu)先級順序，獲得不同的文件排序。本文提出的聚合模型是通用的，因此可以應(yīng)用于任何相關(guān)維度的集合。實(shí)例證明，優(yōu)先聚合算子的有效性。優(yōu)先級“score”算子塑造了一種情況，不太重要標(biāo)準(zhǔn)的權(quán)值與比較重要標(biāo)準(zhǔn)的滿意度成比例。評估實(shí)驗(yàn)表明，優(yōu)先聚合算子“score”，符允許當(dāng)用戶制定與興趣相關(guān)的查詢時，以及當(dāng)用戶沒有興趣或制定與用戶興趣無關(guān)的查詢時，改變與用戶興趣相關(guān)的文檔優(yōu)先級排序。文檔的排序類似于使用平均算子獲得的排序［9］。而優(yōu)先聚合算子“和”的特性也是它與傳統(tǒng)的“和”算子的區(qū)別，即最不滿意標(biāo)準(zhǔn)程度被考慮在總體滿意度中，并且該程度取決于它的滿意度和對用戶的重要性。該模型適用于當(dāng)每個標(biāo)準(zhǔn)是必不可少的，并且在不影響用戶興趣目的情況下不能丟棄任何需求時，以及根據(jù)這些需求處理用戶偏好順序時，改進(jìn)文檔的排序。所執(zhí)行的評估表明，當(dāng)用戶制定與興趣相關(guān)的查詢時，所提出的操作符提高了與用戶興趣相關(guān)的文檔的排序，否則該操作符不適合。所提出的算子的優(yōu)點(diǎn)是，它們允許以簡單的方式計(jì)算標(biāo)準(zhǔn)的權(quán)重。