部分着目型XML情報検索システムの開発とその利用に関する研究

偏焦点XML信息检索系统的开发与使用研究

• 批准号: 14780325
• 负责人: 波多野 賢治
• 金额: $ 2.18万
• 依托单位: Nara Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2002
• 资助国家: 日本
• 起止时间: 2002 至 2003
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14780325/
• 关键词: 部分着目型検索システム; XML; 統計量解析; 部分文書粒度決定; パフォーマンス; 検索精度; 最適粒度決定; 検索速度

Web検索エンジンの検索対象はWebページであり,システムがページから抽出した出現単語を基に転置ファイルを生成し,それを利用することで検索作業を行っている.Web検索エンジンはWebページの特長であるリンク構造を考慮して単語の重み付けを行っているため,Webページを検索するという点では有用であるが,検索対象をWebページとしている以上,基本的にはページに出現している単語に着目しているため,Webページ中に利用者が検索要求として利用したキーワードが含まれていれば,その検索要求に対するWebページの類似度が高くなり,結果的に検索結果として返されてしまう.つまり,利用者が検索結果を閲覧する際にWebページのどの部分が検索要求を満たしているのか非常にわかりにくく,さらに検索要求を満たす部分を改めて探さなければならないという問題点が存在する.そのような問題点を解決するために,本研究では二年間に渡りXML文書の持つ単語の統計量を利用して,検索結果から利用者に返される回答として相応しいXML部分文書を決定するアルゴリズムを提案し,そのアルゴリズムを実装した部分着目型XML情報検索システムの構築を行った.また,従来のTF-IDFによる単語の重み付けを改良し,構造化文書に相応しい新しい重み付け法の提案を行った.本年度の研究成果には,XML文書から抽出されるXML部分文書のうち,統計的に安定している(特異でない)XML部分文書だけを索引付けしたところ,索引付けされたXML部分文書数が提案手法を採用しない場合に比べ約12%に削減され,それに伴い,索引生成時間が約5倍,検索時間が約3倍高速となったのに加え,平均適合率も3%改善される結果となった.以上の結果より,提案手法によって,検索システムの処理速度および検索精度の両方が改善されることが判明した.

网络搜索引擎的搜索目标是网页，系统根据页面中出现的单词生成转置文件，并使用它进行搜索。它对搜索网页很有用，因为它对单词进行加权。考虑到链接结构，但由于搜索目标是网页，因此它基本上重点关注页面上出现的单词。因此，如果某个网页包含用户作为搜索请求使用的关键字，则该网页与该搜索请求的相似度很高，并且在查看搜索结果时将其作为搜索结果返回。要知道网页的哪一部分满足了搜索请求，存在用户必须重新搜索满足搜索请求的部分的问题。这样的问题需要解决在这项研究中，我们提出了一种算法，使用两年来 XML 文档的单词统计来确定适合作为答案的 XML 部分文档，从搜索结果中返回给用户，并重点关注该部分，另外，我们利用TF-IDF改进了传统的词加权方法，提出了一种适合结构化文档的新的加权方法。今年的研究成果包括XML提取。当仅对统计稳定（非奇异）的 XML 部分文档进行索引时，与未使用所提出的方法时相比，索引的 XML 部分文档的数量减少到约 12%。因此，索引生成时间变为约 5 倍。更快，搜索时间变快了约3倍，平均准确率提高了3%。从上述结果来看，所提出的方法表明搜索系统的处理速度和搜索精度都得到了提高。

项目成果

Kenji Hatano et al.: "An Evaluation of INEX 2003 Relevance Assessments"INEX 2003 Workshop Proceedings. 25-32 (2003)

Kenji Hatano 等人：“INEX 2003 相关性评估的评估”INEX 2003 研讨会论文集。