文件名称：自适应上下文量子语言模型Physica A.统计力学及其应用
文件大小：256KB
文件格式：PDF
更新时间：2024-04-28 03:31:50
information retrieval; distribution separation; KL-divergence;
搜索系统中的用户交互表示有关用户认知状态和信息需求的大量隐式知识，这些隐含知识会随着时间的推移不断发展。 尽管已经为在信息检索中开发和整合这种隐式知识做出了巨大的努力，但是在用户交互的上下文中有效地捕获术语依赖性和用户的动态信息需求（通过查询修改反映出来）仍然是一个挑战。 为了解决这些问题，在最近的量子语言模型（QLM）的推动下，我们开发了一种基于QLM的会话搜索检索模型，该模型自然地结合了用户历史查询和带有密度矩阵的单击文档中出现的复杂术语依赖性。 为了在用户的搜索会话中捕获动态信息，我们提出了密度矩阵转换框架，并进一步开发了自适应QLM排名模型。 大量的比较实验证明了我们的会话量子语言模型的有效性。 （C）2016 Elsevier BV保留所有权利。