점진적으로 축적된 지식을 사용한 검색 효율의 향상

Abstract

일반적으로 자동 색인 기능을 가진 정보 검색 시스템들의 가장 큰 문제들 중의 하나는 같은 개념을 표현하는 문서들 및 질의들의 서로 다른 색인어들에 의하여 표현되는 어휘 차이이다. 기존의 확률 검색 모델은 이러한 문제를 고려하지 않고 하나의 개념은 하나의 색인어에 의해서만 표현되는 환경을 가정한다. 본 논문에서는 기존의 확률 검색 모델을 색인어들간의 관계를 고려할 수 있도록 확장한다. 또한 확장된 모델이 필요로 하는 지식, 즉 색인어들간의 관계를 점진적으로 파악할 수 있는 방법을 제안한다. 이 방법은 질의에 대한 검색 결과가 나올 때마다 질의에 적합한 문서들에서 질의에 사용된 색인어들의 유사 색인어들을 파악하고 유사 정도를 갱신한다. 제안한 방법이 정보 검색 분야에서 잘 알려진 적합성 피드백처럼 사요아가 제공하는 적합성 정보를 이용하지만 그 목적은 다르다. 적합성 피드백은 과거의 질의들에 대한 적합성 정보를 현재와 미래의 질의들에 대한 검색 효율의 향상을 이하여 이용하지 않는다. 제안한 방법은 과거의 적합성 정보를 지식을 생성하는데 이용함으로써 현재와 미래 질의들의 검색 효율을 향상시킬 수 있다. 실험에 의하면 제안한 지식 생성 방법을 이용한 검색 모델이 기존의 확률 검색 모델보다 우수한 검색 효율을 보이고 있다.