Adaptiv relevansmodell med betingadsannolikhetshierarki

Sammanfattning

Syftet med detta examensarbete är att implementera

en adaptiv relevansmodell för att kunna analysera hur

bra denna presterar med den lilla mängd träningsdata

som finns tillgänglig. Resultatet bygger på den betingade

sannolikhetshierarki som är framtagen av Zhou

et al. Denna

relevansmodell implementeras mellan användargränssnittet

och Apache Solr, sökmotorn som användes vid studiens

genomförande. Genom att implementera på detta sätt

kommer både den systembaserade relevansen, från Apache

Solr, och den användarbaserade relevansen, från denna

relevansmodell, att bidra till den totala relevansen.

Den betingade sannolikhetshierarkin använder sig av

två andra modeller, oberoendemodellen och fullmodellen,

för att skatta relevansen hos ett dokument givet den

ställda sökfrågan. Oberoendemodellen gör antagandet att

söktermerna i sökfrågan är oberoende varandra men

förkastar informationen i ordföljden, medan fullmodellen

tar hänsyn till den information ordföljden ger.

Resultatet visar att relevansmodellen kan omordna

sökresultatet i

98% av fallen. Med rätt parametervärden

rankar den det sökta dokumentet högre i

84% av

fallen, jämfört med resultaten utan att använda denna

relevansmodell.