Введение в информационный поиск

Лекция 7

Ранжирование структурированных документов

nzhiltsov.github.io/IR-course/

Обзор

• BM25F
• Смесь языковых моделей (MLM)
• PRMS
• FSDM

Примеры структурированных документов

• email
• документы MS Office с заголовками
• корпоративные документы
• посты в социальных сетях
• anchor texts в веб-поиске
• knowledge graphs

​...

Структурированные документы

Структурированные документы

Примеры запросов

Matching по полям

Мотивация

• Важность встречаемости терминов может зависеть:
  • от полей документа
  • от типа запроса
• => задавать разные веса в зависимости от поля

Возможные подходы

• Машинное обучение ранжированию*:
  • Характеристики учитывают структуру документа
  • Необходимы данные для обучения
• Ранжирующие функции с весами по полям документа
  • BM25F
  • MLM
  • PRMS
  • FSDM

* см. предыдущую лекцию

BM25F

S. Robertson et al. Simple BM25 Extension to Multiple Weighted Fields (2004)

Расширение BM25:

Как встроить информацию о статистике встречаемости терминов из запроса?

BM25 для полей: неверный путь

S. Robertson et al. Simple BM25 Extension to Multiple Weighted Fields (2004)

Линейная комбинация BM25 значений по полям

Проблемы:

• нарушается желаемая зависимость tf
• необходимость оптимизировать параметры k1, b для всех полей

BM25F

Линейная комбинация tf по полям!

• Сохраняется правильная зависимость
• Параметры: k1, b и веса полей

Смесь языковых моделей 

Модель правдоподобия запроса (LM)*:

* см. лекцию 4

** P. Ogilvie, J. Callan. Combining document representations for known item search (2003)

Mixture of LMs (MLM)**:

Веса полей w необходимо задавать вручную или оптимизировать

PRMS

Аналогично MLM, только w задаются динамически:

J. Kim, X. Xue, B. Croft. A Probabilistic Retrieval Model for Semistructured Data (2009)

по апостериорной вероятности поля для данного термина из запроса:

Мотивация

• Известно, что статистика биграм из запроса полезна для ранжирования
• Есть модели, учитывающие зависимые термины:
  • Positional language model (PLM)
  • Sequential dependence model (SDM)
• Необходимо встроить информацию о структуре в модель с term dependencies

SDM

Появление терминов в запросе рассматривается в модели марковских случайных полей

T - Terms (unigrams)

U - Unordered bigrams

O - Ordered bigrams

FSDM

• Slides TBA
• См. статью N. Zhiltsov, A. Kotov, F. Nikolaev "Fielded Sequential Dependence Model for Ad-Hoc Entity Retrieval in the Web of Data" (2015)