探索高效查询建议界面与高质量照片集选取方法

### 探索高效查询建议界面与高质量照片集选取方法 在信息检索领域，如何为用户提供更精准、高效的查询建议，以及如何从海量照片中选取能准确代表特定事件的照片集，一直是备受关注的问题。下面将详细介绍查询建议界面的优化方法以及寻找高质量照片集的策略。 #### 查询建议界面的优化 为了帮助用户更好地从查询建议中获取所需信息，研究人员提出了将有用信息融入查询建议界面作为附加信息的方法，并提出了三种特征：搜索结果特征、意义特征和主题特征，以及提取这些特征的方法。 1. **特征提取方法** - **意义特征（特征图像提取）**：以查询建议 $q_i$ 为例，提取其图像的方法如下： 1. 发出查询 $q_i$，获取前 $k_2$ 个图像搜索结果 $A_i = \{a_{i1}, a_{i2}, …, a_{ik2}\}$。 2. 对于 $A_i$ 中的每个图像 $a_{ij}$，根据以下公式计算其得分： - 公式中 $rank(a_{ij})$ 表示 $a_{ij}$ 在查询 $q_i$ 的图像搜索中的排名，$dfmean(a_{ij})$ 表示在其前 $k_2$ 个图像搜索结果中包含图像 $a_{ij}$ 的查询建议的数量。 3. 根据 $fmean(a_{ij})$ 的值提取前 $k_1$ 个图像，作为查询 $q_i$ 的意义特征。 - **主题特征**：将查询建议的主题特征融入查询建议界面，目的是帮助用户清楚了解搜索结果的主题范围。对于给定的查询建议 $q_i$，该方法首先获取 $q_i$ 的查询建议集 $Q_i$，然后提取 $Q_i$ 中细化 $q_i$ 的查询作为 $q_i$ 的主题特征。例如，对于查询建议“京都大学”，若获取到查询建议“京都大学图书馆”，则提取“图书馆”作为“京都大学”的主题特征。 2. **用户研究** - **界面设置**：研究人员实现了五种界面： - (a) 传统查询建议； - (b) 将原始搜索结果作为搜索结果特征； - (c) 将特征词作为搜索结果特征； - (d) 将特征图像作为意义特征； - (e) 将查询建议作为主题特征。 - **实验参数**：从初步实验中，设置 $k_1 = 5$（要显示的特征数量）和 $k_2 = 10$（用于提取特征的结果数量）。 - **实验过程**：邀请了 10 名 20 多岁的受试者（9 名男性和 1 名女性）参与研究。他们为每个界面 (a) - (e) 执行两项任务，即按适当顺序总共执行 10 项任务。在受试者完成每项任务后，要求他们回答任务后问卷；完成所有分配的任务后，要求他们回答退出问卷。 - **实验结果** - **搜索效率**：相关页面数量结果如下表所示： | 界面 | 搜索任务相关页面 | 建议查询相关页面 | | --- | --- | --- | | a | 11.60 | 2.17 | | b | 11.20 | 2.39 | | c | 10.30 | 2.58 | | d | 10.35 | 2.14 | | e | 10.35 | 2.16 | 从“搜索任务相关页面”的结果来看，受试者使用界面 (a) 时能找到最多相关页面，这表明其他界面需要受试者花费更多时间查看附加信息，从而花费更多时间找到相关页面。而“建议查询相关页面”表明，使用界面 (c) 时他们能找到更多相关页面，这意味着提前将搜索结果的内容显示为特征词，可以防止他们发出不必要的查询建议。 - **主观偏好**：受试者对不同界面的主观偏好结果如下表所示（5 表示“强烈同意”，1 表示“强烈不同意”）： | QID | 问题 | 界面 a | 界面 b | 界面 c | 界面 d | 界面 e | | --- | --- | --- | --- | --- | --- | --- | | 任务后问卷 Q1 | 附加信息在搜索任务中对选择查询建议有用 | - | 3.30 | 2.90 | 2.25 | 2.95 | | 退出问卷 Q2 | 使用该界面发出查询建议以满足我的信息需求时我有信心 | 2.80 | 4.20 | 3.80 | 3.20 | 3.90 | 对于 Q1，与其他界面相比，受试者给界面 (d) 的评分最低，认为界面 (d) 中的附加信息对选择查询建议无用。对于 Q2，界面 (b) - (e) 的评分远高于界面 (a)，其中界面 (b) 的评分尤其高，因为附加信息是搜索结