استخراج ویژگیهای متنی و معنایی در یادگیری رتبهبندی جهت بازیابی اسناد وب

با ظهور وب معنایی، تعریف و استفاده از ویژگی های معنایی در الگوریتم های یادگیری رتبه بندی هم مطرح شده است. یک چالش مهم در این زمینه عدم استفاده از ویژگی های جامع و همچنین، عدم ترکیب کامل از ویژگی های متنی و معنایی است. در این مقاله، با تعریف ویژگی های معنایی جدید در چهار دسته ویژگی های مبتنی بر گراف و پایگاه دانش، ویژگی های مبتنی بر تکرار موجودیت، ویژگی های مبتنی بر فیلدهای متنی، و ویژگی های مبتنی بر نمایش برداری کلمات و متون به این چالش پاسخ داده شده است. جهت ارزیابی از مجموعه داده MQ-2007 متعلق به LETOR4، که حاوی ویژگی های متنی آماده است، و شش الگوریتم یادگیری رتبه بندی استاندارد استفاده شده است. نتایج تجربی نشان می دهد که ویژگی های معنایی و نیز ترکیب آن ها با ویژگی های متنی باعث بهبود 50 درصدی نسبت به استفاده از تنها ویژگی های متنی می شوند. در انتها، از یک الگوریتم انتخاب ویژگی برای انتخاب بهترین ویژگی های معنایی استفاده شده که منجر به بهبود 7 درصدی نسبت به الگوریتم های رتبه بندی بدون انتخاب ویژگی شده است.