情報処理学会 第73回全国大会講演要旨

我々が情報検索を行う際，一度の検索では目的の情報を発見できず，検索質問を修正しながら連続して検索を行うことがある．このような「Query Chain」を利用することで，検索質問と(非)適合文書とを関連づけた学習データを効率的に自動生成する手法が提案されている．しかし，Query Chainによって作成した訓練事例を用いた検索は，学習データに出現しない検索質問に対してはうまく機能せず，一般的なウェブ検索等に用いることは困難であった．本研究では，検索質問の類似性を考慮して訓練事例を確率的にサンプリングすることにより，この問題の解決を試みる．また，より高品質・多量の訓練事例を獲得するためにQuery Chainの拡張を行なう．さらに，実データを用いた評価実験によって提案手法の有効性を検証する．