论文部分内容阅读
针对由不稳定聚类估计的相关模型影响检索性能的问题,提出了基于稳定性语义聚类的相关模型（SSRM）。首先利用初始查询前N个结果文档构成反馈数据集;然后探测数据集中稳定的语义类别数量;接着从稳定性语义聚类中选择与用户查询最相似的语义类别估计SSRM;最后通过实验对模型的检索性能进行了验证。对TREC数据集5个子集的实验结果显示,SSRM相比相关模型（RM）、语义相关模型（SRM）,平均准确率（MAP）性能最少提高了32.11%和0.41%;相比基于聚类的文档模型（CBDM）、基于LDA的文档模型（LBDM）和