[发明专利]一种信息检索方法及系统

说明书

技术领域

本发明涉及信息检索技术领域，具体涉及一种信息检索方法及系统。

背景技术

在信息时代，各种形式的数据呈爆炸性增长，从海量的数据中检索出用户所需信息的信息检索技术显得尤为重要。特别地，信息检索的核心任务是对检索结果进行排序。为此，利用机器学习方法有效生成准确排序列表的排序学习(learningto rank)技术受到广泛关注。排序学习的目标在于学习一个排序函数以精确刻画数据样本间的相关关系，也即，该排序函数对输入的查询样本输出一个排序列表，使得与查询样本相关的样本排在前面，与查询样本不相关的样本排在后面。由于数据样本间的相关程度通常由一个相似度或距离度量确定，因此排序模型需要学习一个相似度或距离度量函数，以拟合数据样本之间的相关关系，使相似或相关的样本距离近，不相似或不相关的样本距离远。

一般地，基于距离度量函数的排序模型学习需要处理两方面的问题。首先，数据在特征空间中的分布具有复杂的非线性几何结构，其中蕴含了能反映样本间相关性的判别性模式。排序模型需要学习适应数据的距离函数以捕捉这些一般的分布模式。另一方面，排序学习要考虑的第二个问题在于，排序列表作为排序学习模型的输出，有其特定的序列结构信息。这体现在，通过优化排序模型来矫正输出列表中处于不同位置的一对反序的样本(即不相关样本排在相关样本之前)时，会对具体的排序性能度量产生不同的贡献。这一贡献取决于该对样本在列表中的位置，以及具体的排序性能度量，它们组成了排序列表的结构信息，应当在排序建模中被利用。因此，排序学习还需要挖掘排序列表蕴含的结构信息，将排序列表作为整体建模，以学习适应排序任务的距离函数。

基于上述分析，本发明旨在开发一种既适应数据又适应排序任务的基于距离函数学习的信息检索方法。在适应数据方面，由于数据特征分布的复杂性和非线性，模型需要学习灵活的一般的非线性距离函数以拟合数据分布。这方面，Bregman距离函数作为许多常见距离函数(如玛氏距离、K-L距离)的推广形式，具有一般的非线性数学形式，对特征分布的非线性结构有更强的建模能力，是适合排序建模的距离函数。在适应排序任务方面，体现了结构学习(structural learning)思想的结构支持向量机(structural SVM)适合排序建模。结构支持向量机将排序列表视为整体的结构化输出，基于排序列表的整体结构变化，而不是每对样本的距离关系变化来优化排序模型，能够挖掘和利用排序列表的结构信息。综上所述，本发明提出的信息检索方法基于Bregman距离函数和结构支持向量机框架建立结构排序模型，学习既适应数据又适应排序任务的Bregman距离函数，提高信息检索的准确率。

发明内容

为解决上述问题，本发明的目的在于提供一种信息检索方法，能够捕捉隐含在数据中的复杂的非线性模式，并能高效地处理高维度数据，从而更精确地使相似或相关的样本距离更近，不相似或不相关的样本距离更远，提高检索的效率和精确度。

为实现上述目的，本发明的技术方案为：

一种信息检索方法，包括如下步骤：

S10：输入用于排序学习的数据，对其进行特征提取，将原始数据转化为可用于机器学习的数据样本特征；

S20：输入所得到的数据样本特征，输入样本间的相似性信息，得到由查询样本-排序列表对组成的训练数据集；

S30：基于结构支持向量机和布莱格曼距离函数，对所得到的由查询样本-排序列表对组成的训练数据集建立数学模型；

S40：根据所建立的数学模型，推导各参数的更新公式，迭代地更新布莱格曼距离函数的参数和模型的松弛变量，直至各参数收敛；

S50：根据所得到的布莱格曼距离函数，对新输入的查询样本在数据集上进行检索，将数据集中的各样本按照与查询样本的距离以升序排列，输出该排序作为检索结果。

进一步地，步骤S30中，以结构支持向量机为框架建立结构学习模型，优化基于布莱格曼距离函数的总体排序结构代价，并添加正则项进行调节；

其中，所建立的数学模型包括参数模型和非参数模型，模型中的布莱格曼距离函数具有参数化形式或非参数化形式。

进一步地，步骤S40包括有：

S401：利用单松弛变量割平面法对所建立的数学模型作近似，使模型参数可解，并推导模型参数的更新公式；

S402：根据推导的更新公式，迭代地更新模型的参数，直至各参数收敛。

本发明的另一技术方案为：