[發(fā)明專利]一種用于建模ad-hoc檢索任務(wù)中多樣相關(guān)特征的信息檢索模型

在審

• 申請?zhí)枺?/td>: 201910898272.0
• 申請日: 2019-09-23
• 公開（公告）號: CN111444414A
• 公開（公告）日: 2020-07-24
• 發(fā)明（設(shè)計）人: 胡澤婷;張鵬;蔣永余
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F16/33
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 韓帥

1.一種用于建模ad-hoc檢索任務(wù)中多樣相關(guān)特征的信息檢索模型，其特征在于,包括如下步驟：

(1)根據(jù)topic構(gòu)建語料集，語料集的總樣本是N個topic,其中每個topic包含一個查詢和一系列文檔；

(2)從(1)的語料集中，隨機選取80％*N個topic作為訓(xùn)練集和剩余的20％*N個topic作為測試集，并分別對訓(xùn)練集和測試集進行預(yù)處理；

(3)對預(yù)處理之后的查詢和文檔構(gòu)建Match-Transformer模型；

(4)將訓(xùn)練集查詢和文檔的表示輸入到Match-Transformer模型，并利用多層感知機計算文檔的得分；

(5)通過Learning-to-Rank算法對訓(xùn)練后的Match-Transformer模型進行參數(shù)更新；

(6)將測試集數(shù)據(jù)輸入到訓(xùn)練后的Match-Transformer模型中計算出每個topic的最后返回文檔排名得分；

(7)將Match-Transformer模型在測試集上的評價結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的一種用于建模ad-hoc檢索任務(wù)中多樣相關(guān)特征的信息檢索模型，其特征在于，所述步驟(3)中Match-Transformer模型構(gòu)建方法，包括如下步驟：

3.1運用glove工具得到每個文本中單詞的300維詞向量，模型初始化階段用均勻分布初始化該參數(shù)矩陣，并在模型訓(xùn)練過程中更新優(yōu)化；且對文本中每個查詢和文檔中單詞的詞向量，分別對應(yīng)W_i^Q和W_j^D；其中，查詢有n個單詞，文檔有m個單詞，即i＝1,…,n；j＝1,…,m。

3.2判斷查詢中的詞向量W_i^Q是否在文檔T_D中出現(xiàn)構(gòu)建如下Overlap Embedding函數(shù)；

3.3結(jié)合前面兩步操作，即可得到查詢和文檔的全局信息(詞向量)和局部信息(傳統(tǒng)的信息檢索特征)，即：

其中，表示查詢中第i個單詞的tf值以及表示文檔中第j個詞的tf-idf值；

3.4鑒于上面的步驟并沒有考慮查詢詞之間和文檔詞之間的依賴信息，將查詢和文檔的信息分別用一個密度算子來表示，即：

3.根據(jù)權(quán)利要求2所述的一種用于建模ad-hoc檢索任務(wù)中多樣相關(guān)特征的信息檢索模型，其特征在于，所述步驟3.4中為了進一步得到查詢和文檔之間的匹配特征信息，即：

其中，

head_i＝σ(PW_i^P,KW_i^K,VW_i^V)