基于Markov网络的信息检索扩展模型

为了解决信息检索性能较差的问题,查询扩展将索引项之间的关系以及文档之间的相似度引入到检索中,这个过程可以通过构造知识网络来进行。M arkov网络是一种有效的知识关联图形表示方法,可以从实例数据训练获得。本研究提出并实现了基于M arkov网络的信息检索扩展模型,通过对文档集的学习,构造了关于索引项和文档的M arkov网络,将有利于检索的信息加入到检索中。实验表明,基于M arkov网络的信息检索扩展模型优于BM 25模型。