文献

J-GLOBAL ID：201302233358777502   整理番号：13A0645635

隠れトピックモデルを用いたトピックに関連するウェブクエリを推薦する効率的アプローチ

An efficient approach to suggesting topically related web queries using hidden topic model

著者 (6件)： LI Lin (Wuhan Univ. of Technol., School of Computer Sci. and Technolgoy, Wuhan, Hubei, CHN) ,  XU Guandong (Aalborg Univ., Dep. of Computer Sci., Aalborg, DNK) ,  YANG Zhenglu (The Univ. of Tokyo, Inst. of Industrial Sci., Tokyo, JPN) ,  DOLOG Peter (Aalborg Univ., Dep. of Computer Sci., Aalborg, DNK) ,  ZHANG Yanchun (Victoria Univ., School of Engineering & Sci., Melbourne, VIC, AUS) ,  KITSUREGAWA Masaru (The Univ. of Tokyo, Inst. of Industrial Sci., Tokyo, JPN)
資料名： World Wide Web: Internet and Web Information Systems  (World Wide Web: Internet and Web Information Systems)
巻： 16  号： 3  ページ： 273-297  発行年： 2013年05月 
JST資料番号： W2172A  ISSN： 1386-145X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： キーワードに基づくウェブ検索は,ウェブ上での情報の位置決めに対して広く用いられる。しかし,通常,ウェブユーザは,十分なドメイン知識の不足のため適切な入力クエリを体系化し定式化する困難性を抱え,これは検索性能に大きく影響を与える。検索エンジンユーザに必要な情報に適合する効果的なツールは,最初の質問に対するトピックに関連するウェブクエリを推薦することである。クエリ対クエリ類似性スコアの正確な計算は,これらの推薦の品質を向上するために重要である。クエリが短いため,従来の疑似適合あるいは非明示的適合に基づくアプローチにより,類似性計算に対してクエリの表現を拡張する。これらは,明示的に検索エンジンを補完ソースとして用い,付加的特徴(例えば用語或いはURL)を,トップリストあるいはクリック検索結果から直接抽出する。本論文では,隠れトピックを,拡張可能特徴として用いることによる新しいアプローチを提案した。これは2つのステップを有した。オフラインモデル学習ステップにおいて,隠れトピックモデルをトレイニングし,各候補クエリに対して,隠れトピック空間上のその事後分布を決定し,語彙表現の代わりにクエリを再表現した。オンラインクエリ示唆ステップにおいて,同様な方法で,入力クエリに対してトピック分布を推論した後に,候補クエリと入力クエリの間の類似性を,それらの対応するトピック分布に関して計算し,候補クエリとの推薦リストを類似性スコアに基づき作成した。2つの実データ集合における実験結果により,隠れトピックに基づき推薦は,従来の用語或いはURLに基づくアプローチより効率的であり,推薦に対してトピックに関連するクエリを見出すために効果的であることを示した。Copyright 2011 Springer Science+Business Media, LLC Translated from English into Japanese by JST.

シソーラス用語： *確率モデル ,  *Web【情報システム】 ,  *質問 ,  情報 ,  ドメイン知識 ,  検索エンジン ,  類似性 ,  フィードバック ,  学習
準シソーラス用語： *クエリー ,  *トピックモデル ,  推薦 ,  適合フィードバック

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： トピックモデル ,  トピック ,  推薦