Query Expansion with Freebase

論文タイトル Query Expansion with Freebase (ICTIR ’15)
著者（所属） Chenyan Xiong and Jamie Callan.
論文PDF／ランディングページへのリンク https://dl.acm.org/doi/pdf/10.1145/2808194.2809446
論文まとめ（落合フォーマット準拠）
- どんなもの（どんな問題を解きたい）？ Freebaseを使ったウェブコーパスに対するクエリ拡張の研究． 2015年時点では，知識ベースをIRにどう使うか，という問題はOpen Problemらしい．
- 先行研究と比べてどこがすごい？シンプルだが，効果的な方法，とのこと．
- 技術や手法のキモはどこ？ 2つのステップで構成される
  1. クエリに関する有力なエンティティ（オブジェクト）を特定すること
  2. Google Search APIにクエリして，ランク付きオブジェクトリストを取得する
  3. クエリして取得したTop-k ドキュメントに対して，FACC1（GoogleのアノテーションデータでFreebaseオブジェクトとClueWeb09とClueWeb12をリンクしている）からオブジェクトを取得して，tfidfでスコア付けする
  4. 特定したオブジェクトに関係するクエリ拡張の語彙を選択すること
  5. Pseudo Relevance Feedbackを利用する．オブジェクトのdescription（テキスト）の語彙について，tfidfの考え方でスコア付けする
  6. Freebaseのエンティティのカテゴリー情報を利用するオントロジーのハイレベルなカテゴリーごとのエンティティを訓練データとして，エンティティがどのカテゴリーに属すかを学習する．クエリと語彙の属すカテゴリーを予測し，クエリと近いカテゴリーに属す語彙を拡張語彙といて選択する．
- また，a.b, b.a, b.bのスコアを特徴量として，よい結果につながる語彙の選択方法を学習し，よい結果につながる語彙のみを最終的に選択する手法も試した．
- どうやって有効だと検証した？
- TREC Web Track adhoc taskでstate of the artより優れていることを示した．
- 評価指標はMAP＠20，NDCG＠20，ERR＠20, Relative Gain, Win/Loss/Tie
- 提案手法では，教師ありがベストの結果だが，教師なし手法では，a.a×b.aの組み合わせがベストだった．
- 議論はある？
  - 先行研究のEQFE by Dalton et al.との比較ができていない
- 次に読むべき論文は？ J. Dalton, L. Dietz, and J. Allan. Entity query feature expansion using knowledge base links. (SIGIR 2014)

tsukuba-kde / papers

Query Expansion with Freebase #8