相関係数を用いた実証的重みの分析と検索質問拡張  [in Japanese] Empirical Term Weighting by Correlation Coefficient for Query Expansion  [in Japanese]

情報検索において代表的な情報検索モデルである関連性フィードバックでは,新しい用語を検索質問に付け加える検索質問拡張と用語の再重み付けにより検索質問の修正を行う.一般的にこの手法を用いる場合,元の検索質問のみを用いた場合と比較して再現率を向上させる反面,適合率が下がることが報告されている.原因としては,関連のある用語の選定方法と,その用語に対する重み付けの方法が明確でないことが考えられる.本稿では,検索質問と共起する用語に着目した関連のある用語の選定方法奪提案し,選定された用語に対する実証的な重み付けの方法についてを述べる.

At the Information Retrieval (IR), with the relevance feedback which is the typical IR model, queries are modified using 'Query Expansion (QE) and Term Re-weighting (TR), QE adds new collected term to query, and the TR re-weights to new (or original) query. In the case of using this method, as compared without using relevance feedback, it is reported that recall is improved but precision is decreased. We have considered that some methods for selecting relevant term and weighting these terms aren't clear. This paper proposes a method for selecting relevant term using coincided term with original query term, and shows empirical weighting methods for these terms.