该文主要研究了多搜索结果的融合算法,我们指出多搜索结果融合问题的实质是多分类器系统算法的问题.这使得我们可以应用许多已有的理论和算法来解决这个问题. 该文的主要工作包括:1.提出一种一般性的基于错误驱动的分类器结果融合算法,新的算法是选择型结果融合算法,与传统的组合型的算法相比,最大的差别在于对样本做决策时,是由一个选择器挑选对应的分类器来做决策,也就是说,每个样本都只需要一个分类器参与决策.2.该文还提出一种基于文档聚类的多搜索结果融合算法.前人的基于 文档聚类的信息检索的研究工作主要集中在交互式检索上,需要用 户选择自己感兴趣的聚类,我们的算法是一个完全自动的,不需要用户的输入的方法.3.在面向中文的情息检索方面,该文作者提出了一组提高性能的策 略.包括使用大规模语料中抽取出的中文复合词/专有名词:使用 相关反馈参数的自动确定算法;以及研究中文信息检索中组合多种 索引单元,这些方法在实验中均取得了良好的效果.