搜索結(jié)果多樣化及其算法綜述

　　基于傳統(tǒng)信息檢索技術(shù)的搜索引擎一般按照用戶提交的查詢獲得一系列搜索結(jié)果，經(jīng)過相關(guān)性排序之后返回給用戶。相關(guān)研究表明，用戶提交給搜索引擎的査詢通常是短?hào)嗽?，且?jīng)常具有歧義性和寬泛性。另外，不同的用戶在使用同一個(gè)查詢?cè)~時(shí)，其查詢需求也往往是不同的。此時(shí)若搜索引擎只進(jìn)行相關(guān)性排序，則會(huì)面臨搜索結(jié)果冗余性過大、無法有效覆蓋用戶意圖的問題，對(duì)用戶體驗(yàn)產(chǎn)生負(fù)面影響。為了滿足用戶需求，現(xiàn)有的搜索引擎在搜索排序過程中必須有效應(yīng)對(duì)查詢歧義性問題。搜索結(jié)果多樣化是解決這個(gè)問題的方法之一，其目標(biāo)是盡量提升搜索結(jié)果的多樣性，讓搜索結(jié)果盡可能多地覆蓋不同用戶的查詢意圖，以確保至少有一個(gè)結(jié)果可以命中實(shí)際的用戶需求。和傳統(tǒng)的搜索排序模型僅考慮文檔和查詢的相關(guān)性不同，多樣化排序模型還需要進(jìn)一步考慮文檔的新穎性或者結(jié)果集對(duì)不同用戶意圖的蓋度?，F(xiàn)有的多樣化算法，根據(jù)是否顯式地衡量查詢包含潛在用戶意圖所對(duì)應(yīng)的子話題，可以分為隱式多樣化模型和顯式多樣化模型。隱式多樣化模型通常只考慮文檔之間的相似性，即認(rèn)為一份結(jié)果文檔集中的每一個(gè)結(jié)果文檔，彼此之間的不相似度越高，多樣化程度越高;而顯式多樣化模型則顯式地考慮不同查詢所對(duì)應(yīng)的不同用戶意圖（以子話題表示），通過衡量結(jié)果文檔集對(duì)不同子話題覆蓋的廣度來衡量整體的多樣化程度。根據(jù)多樣化特征是人工指定的還是通過監(jiān)督式學(xué)習(xí)自動(dòng)獲取的，可以分為啟發(fā)式模型和學(xué)習(xí)式模型（也稱為非監(jiān)督式模型和監(jiān)督式模型）。啟發(fā)式模型綆入工指定的文檔相似度或子話題覆蓋程度等相關(guān)特征來判斷每個(gè)文檔對(duì)多樣化的貢獻(xiàn)，而學(xué)習(xí)式模型則可以通過監(jiān)督式學(xué)習(xí)，自動(dòng)地學(xué)習(xí)到最優(yōu)化的多樣化指標(biāo)這兩種分類方法相互正交，理論上顯式多樣化模型優(yōu)于隱式多樣化模珰，監(jiān)督式模型優(yōu)于非監(jiān)督式模型，但實(shí)際上模型的具體表現(xiàn)也可能受到訓(xùn)練數(shù)據(jù)總量、子話題質(zhì)量等其他因素影響。另外，最近學(xué)界對(duì)強(qiáng)化學(xué)習(xí)的研究也對(duì)信息檢索領(lǐng)域產(chǎn)生了一定的影響，由于多樣化排序過程也可以被視為一個(gè)依次選擇每一個(gè)候選文檔的決策過程，因此也有學(xué)者將強(qiáng)化搜索結(jié)果多樣化領(lǐng)域。本文索結(jié)果多樣化的定義，并對(duì)現(xiàn)有多樣化算法進(jìn)行分類整理詳細(xì)介紹了每個(gè)類別中的代表性方法我們還進(jìn)一步介紹了搜索結(jié)果多樣性評(píng)價(jià)方法，并給出了一系列方法的對(duì)照實(shí)驗(yàn)結(jié)果。最后，我們對(duì)搜索結(jié)果多樣化技術(shù)研究的方向進(jìn)行了展望。