| 研究実績の概要 |
本年度は，学術論文検索において，ランキングアプローチが異なる複数の手法によるランキング結果を統合することにより，ランキング結果における比較的下位のランクまでの再現率が向上することを検証した．
以前の研究では，ベクトル空間モデルまたはクエリ尤度モデルにおけるランキング手法と，我々が開発したLDA (Latent Dirichlet Allocation)に基づくトピックベースのランキング手法によるランキング結果との統合を行った．そして，分散表現を用いたベクトル空間モデル，LDAによるトピック分析結果を用いたクエリ尤度モデル，および我々が開発したモデル間でほぼ同等の再現率を示し，いずれの従来手法に対して，提案手法によるランキング結果を統合させることで，すべての検索条件において再現率が向上したことを確認した．
本年度は，ベクトル空間モデルとクエリ尤度モデル，および我々が開発したモデルの3種類のランキング手法を統合し，更に再現率が向上するかどうか調査した．実験では，NTCIR-1,2テストコレクションに収録されている41件の検索課題を用い，ランキング結果の上位100, 200, 500, 1,000件を検索結果として獲得する場合に対する再現率で評価した．その結果，ベクトル空間モデル，クエリ尤度モデル，および我々のモデルのうちの2種類のランキング手法を統合した結果と比べて，3種類のランキング手法を統合することで，さらに検索性能が向上することを確認した．
|
