Cascaded cross entropy-based search result diversification

Arama motorları internet üzerinden bilgi aramak için yararlanılır. Çok anlamlı sorgular için ilgili dökümanların sorgu-doküman benzerliğine göre gelmesi kullanıcıyı memnun etmez; çünkü sorgunun birbirinden farklı birçok anlamı vardır. Bu çalışmada, yeni geliştirilen çapraz entropi tabanlı kademeli arama sonuç çeşitlendirmesi (CCED) yöntemi, sorgunun farklı anlamlarını içeren dokümanları arama sonuç listesinde üst sıralara yerleştirir. Değiştirilmiş ters sıralama ve çapraz entropi ölçümlerini birleştirerek sorgu-doküman benzerliği ile doküman-doküman çeşitliliği arasındaki ilişkiyi dengeler. Sorgu-doküman benzerliğini hesaplamak için Latent Diriclet Allocation (LDA) kullanılmıştır. Çok anlamlı sorgunun anlam sayısı, tam bağlı kümeleme tekniği ile tahmin edilmiştir. İlk Türkçe arama sonuç çeşitlendirme deney derlemi, BILDIV-2012, oluşturulmuştur. CCED'in başarısı iki yöntem ile karşılaştırılmıştır, Maximum Marginal Relevance (MMR) ve IA-Select. Bu karşılaştırmada Ambient, TREC Diversity Track ve BILDIV-2012 deney derlemleri kullanılmıştır. Bu algoritmaların başarısı Bing ve Google ile karşılaştırılmıştır. Sonuçlar, CCED'in sorgunun çeşitli anlamlarıyla ilgilenen kullanıcılara en ilgili dokümanları üst sıralarda getirmesi açısından diğer yöntemlere göre daha başarılı olduğunu göstermektedir.