Query Structures

Boolean Queries Vector Queries Extended Boolean Queries Fuzzy Queries Probabilistic Queries c.f. Natural Language Queries, DB Queries

Query Structures Query 의 특성 (Document 와의 비교 )

간략 , 구문 (syntax) 충족도가 약함 빈도수 정보가 덜 중요

Parallel Process for Matching Document Side

Data 의 수집 ->document 의 작성 (ectosystem) Document->internal represention->format for

matching(endosystem)

Query Side Information need->query 의 작성 (endosystem) Query->internal represention->format for

matching(endosystem)

3.1. Matching Criteria

Exact Match Numerical or business DB

Range Match Exact match 의 확장 Natural order(numeric or alphabetic) 가 있는 항목 최소 , 최대값 사용

Approximate Match Text 나 image DB Document 가 query 를 만족하는 정도를 나타내는

척도 (measure) 가 필요 : evaluation function

Exact 와 Approximate match 의 혼합 Ex) “federal funding for energy development project,

but the funding must be at least $1,000,000”

3.2 Boolean Queries

Boolean Query Based on concepts from logic, or Boolean algebra (list of) Terms joined by logical connectives(AND,

OR, NOT) Boolean Query 의 예

restaurants AND (Midestern OR vegetarian) AND inexpensive

Expansion Stemming: restaurant AND (Midest OR Veget)

AND inexpens Thesaurus: Midestern -> list of specific countries

3.2 Boolean Queries

Proximity Operator “icing within three words of chocolate” “if icing then chocolate”

출현 단어수의 명시 2 OF (A, B, C)

= (A AND B) OR (A AND C) OR (B AND C) 4 OF (peony, daisy, dahlia, lily, hosta, zinnia,

marigold)

= ?

3.2 Boolean Queries

Query 의 의미 (query 의 결과 ) ex) A AND B: term A 와 관계가 있는 document 의

집합과 , term B 와 관계가 있는 document 의 집합의 교집합

문서집합의 생성 불린식의 각 부분을 따로 처리한 후 결합ex) “information” 과 “ retrieval” 을 모두 포함하는

문서를 구하는 과정

1. “information” 을 포함하는 문서집합 D1 을 구한다2. “retrieval” 을 포함하는 문서집합 D2 를 구한다3. D1 과 D2 를 결합해서 최종적인 D3 을 구한다

3.2 Boolean Queries

집합연산 ( 결합 방법 ) U: 전체 문서 D1, D2: 패턴 P1, P2 를 포함하는 문서들의 집합

1. U-D1 은 P1 을 포함하지 않는 모든 문서집합이다(not)

2. D1∩D2 는 P1 과 P2 를 둘 다 포함하는 모든 문서의 집합이다 (and)

3. D1∪D2 는 P1 이나 P2 를 포함하는 모든 문서의 집합이다 (or)

4. D1∪D2-D1∩D2 는 P1 과 P2 를 포함하지만 동시에 둘다 포함하는 것은 제외한 모든 문서의 집합이다 (xor)

3.2 Boolean Queries ex)

질의어 : {information and retrieval} or not {retrieval and science} 문서집합 : ({doc1,doc3} ∩ {doc1,doc2,doc4}) ∪

{doc1,doc2,doc3,doc4,doc5}

– ({doc1, doc2, doc4} ∩ {doc2, doc3, doc4, doc5})

= {doc1} ∪ {doc1, doc3, doc5} = {doc1, doc3, doc5}

3.2 Boolean Queries

문제점 1: Lack of weighting mechanism “music by Beethoven, preferably a sonata”

Beethoven AND Sonata: 베토벤의 다른 음악 제외 Beethoven OR Sonata: 다른 작곡자 음악 포함 (Beethoven AND Sonata) OR Beethoven

대부분의 시스템에서 “ Beethoven” 과 거의 동일한 결과를 얻음

문제점 2: Misstated Query (and 의 선호 )

3.2 Boolean Queries

문제점 3: 연산 순서 AND, OR

A OR A AND C NOT>AND>OR 혹은 strict left-to-right order

해결책 : 괄호명시 사람의 경우 : 의미 (semantic) 정보로 구분

coffee AND croissant OR muffin raincoat AND umbrella OR sunglasses

NOT 모든 것을 다 찾아야 하는가 ? (NOT A) AND B AND C 해결책 : B AND C 로 대상 제한 (B AND C 를 앞에 )

3.2 Boolean Queries

문제점 4: Highly Complex Query 해결책 : DNF, CNF 로의 recast Disjunctive Normal Form(DNF)

Terms: 하나의 단어 , 숙어 혹은 그 부정형 Conjuncts: AND 에 의해 결합된 Terms Disjuncts: OR 에 의해 결합된 Conjuncts

e.g. (concert AND dinner AND NOT play) OR

(swimming AND tennis) OR

(baseball AND NOT football) 장점 : 분리된 작은 query 들의 따로 처리한 각

결과를 나중에 병합

3.2 Boolean Queries

Full Disjunctive Normal Form Each conjunct contain all of the possible terms

(A AND B) OR (A AND NOT C)

=> (A AND B AND C) OR (A AND B AND NOT C) OR

(A AND B AND NOT C) OR (A AND NOT B AND NOT C)

Conjunctive Normal Form(CNF) e.g. (concert OR dinner OR NOT play) AND

(swimming OR tennis) AND

(baseball OR NOT football)

Normalization Query 를 DNF 나 CNF 로 변환 (transform) 하는 것 Truth table 을 사용

True rows => Full DNF

3.2 Boolean Queries Normalization 의 예

(A OR B) AND (C OR NOT D) AND (D OR B)

3.2 Boolean Queries True rows of the table

Full DNF

3.2 Boolean Queries

Minimizing to simplest possible form 앞의 예에서 처음 두 줄은 (A AND B AND C) 로 대체

가능 기타 몇 가지 기법을 사용하여 앞의 예를 단순화한 결과

(A AND C AND D) OR (B AND C) OR (B AND (NOT D))

Full CNF 테이블의 false row 로부터 full DNF 를 구한다 DeMorgan’s Law

NOT (A AND B) = (NOT A) OR (NOT B), NOT (A OR B) = (NOT A) AND (NOT B).

Law of Double Negation NOT (NOT A) = A

3.2 Boolean Queries e.g. negation of query 의 DNF 가

(A AND B AND NOT C) OR (NOT A AND C) OR

(B AND C) 이면 , Negation 을 취한 후 전개하면 아래와 같다

최종결과 : (NOT A OR NOT B OR C) AND (A OR NOT C)

AND (NOT B OR NOT C)

3.2 Boolean Queries 처리 대상의 크기 최소화

각 conjunction 을 처리할 때마다 집합의 크기는 작아짐

A AND B 의 경우 , 최종 결과의 크기는 A 를 포함하는 집합의 크기보다 작고 동시에 B 를 포함하는 집합의 크기보다 작다

따라서 , query 의 각 term 에 해당하는 집합의 크기를 미리 알 수 있다면 , 작은 집합들을 먼저 처리하고 큰 집합들을 나중에 처리하여 대상 집합을 최소화한다

3.2 Boolean Queries

문제점 5: 결과의 크기 조정 Query 를 만족시키는 모든 document 를 결과로

가져오기 때문에 결과의 크기를 조정할 수 없다 해결책 1: more restrictive query 해결책 2: 반환 문서수의 제한 ( 자동 / 사용자

지정 ) 빈도수를 이용해 sort 하는 경우에 문제가 될 수 있음

중요한 문서가 배제될 수도 있다

( 빈도수에 의한 sorting 을 해도 단어간 상대적 중요도는 표현되지 않는다 )

3.2 Boolean Queries

장점 사용이 간편하다

대부분의 사용자는 질의어로 2~3 단어만 사용

더 정확한 탐색을 위해 매우 복잡한 연산 구조를 시도하기 보다는 적당한 성능 (manual search보다는 나은 ) 에 만족하는 경향

각 단어의 상대적 중요도를 고려하지 않아도 된다

편의성을 중시하는 사용자에게는 장점

3.3 Vector Queries

Vector Model Each document is represented by a vector, or ordered list of

terms, rather than by a set of terms Boolean model 과의 차이

Term representations (weights) Methods of determining the similarity between a document and

the query Boolean model 에서는 query 와 document 모두에서 단어가

나타나는지의 여부에 기반하여 유사도를 결정

3.3 Vector Queries

Similarity Evaluation : 0-1 vector, weight vector Assigning weights to document terms in a vector

frequency count ( 예외 : a, an, the, of, …) user assigning

“judging dilemma” : freely assigned weights normalization

3.3 Vector Queries

Retrieval Determination fixed number(by decreasing similarity) or threshold

Impractical document 들의 components 의 대부분이 0 이다 . (vector

가 10000 개의 component(term, vocabulary) 로 구성되어 있다면 , 문서에는 그 중 몇 백개의 term 만 나타날 수 있다 )

해결책 해당 document 에 나오는 단어만 component 로 한다 . 이것이 올바르게 동작하기 위해서는… . “dimensional compatibility” - the comparison of two

documents is always based on comparing the same terms in each document.

Expansion of the compact representation is needed.

Extended Boolean Queries: Boolean Query + Vector Query

두 모델의 장점 결합 Logical connectives, weights

Weighted Boolean query

Boolean operation + Weights(0.0 ~ 1.0) AW1 * BW2

Query 의 결과 : term A 와 관련된 문서의 집합 A, term B 와 관련된 문서의 집합 B 의 합집합 , 또는 여집합 , 교집합

Extended Boolean Queries: Boolean Query + Vector Query

Distance Distance between the document sets A and B

corresponding to the term A and B Minimum of the distances between a pair of

elements Element: a document represented by term vector

If A contains m documents and B contains n documents, mn computations are needed

Extended Boolean Queries: 연산의 정의

AW1 * BW2(w1=1, w2=0~1 ) S: weight 에 따라 가변적인 영역

OR : S =B - A

A B

AND : S=A - B

A B

AND NOT : S=AB

A B

A AND B0 = A

A AND B1 = A AND B

A OR B0 = A

A OR B1 = A OR B

A AND NOT B0 = A

A AND NOT B1 = A AND NOT B

Extended Boolean Queries: 연산의 예

A:{1,4,5,10,11,15,17,18,19,23}B:{1,2,4,5,7,8,10,13,17,23} A 0.8 OR B 0.4

w1= 1 w2= 1

2, 7, 8, 13, 22

B-A

2,7,8,13,22

A-B

1, 2, 2, 2, 1

Min distance

1, 2, 1, 1, 1

Min distance

0.4

2, 220.8

2, 8, 13, 22

1,4,5,10,17

1,2,4,5,10,11,17,18,19,22,23

Extended Boolean Queries: 연산의 정의

문제점 포함될 원소수가 정수가 아닌 경우 : 1.7, 1.4, …

근처 정수로 round up or down

동일 거리의 원소가 너무 많은 경우 A 의 weight 가 0.6 이고 S 의 원소수가 4 개인데

모두 거리가 1 이라면 1 개는 탈락되어야 한다 Random 으로 선택하면 같은 query 에 대해 다른 결과

논리적으로 동일한 query 에 대해 다른 결과가 나올 수 있다

(A AND B) OR (A AND C) vs. A AND (B OR C) Exercise 6

Fuzzy Queries Ordinary Set vs. Fuzzy Set

Ordinary Set : sharp edge (e.g. “6feet 를 넘으면 tall”) Fuzzy Set : membership grade e.g. “degree of tallness” 에 대한 membership grade

4’5’’: 0.1, 5’8’’: 0.45, 6’2’’: 0,52, 6’10’’: 0.9

Boolean operator in fuzzy set S query 의 결과 : fuzzy function 을 계산한 값 , 각

document 에 대해 이 값을 계산해 낸다 .

Probabilistic Queries Fuzzy Queries

membership grade function 은 0~1 사이의 값을 출력하는 한도 내에서 임의로 정해질 수 있다 .

Probabilistic Query the set returned from any query is supposed to

consist of documents which satisfy that query with a probability higher than a specified threshold

제약조건

장점 : 빈도수로부터 확률을 구하는 방법이 체계화되어있다

Prob(Document Satisfy) + Prob(Document not Satisfy) = “1”

Natural Language Queries

User friendly Ungrammatical Hard to understand for computers

IR and DB Full Text retrieval System needs to combine,

Imprecise textual element Precise numerical or other limit 기존 문서 검색 시스템과 DB 시스템의 결합 필요

각 시스템의 상호 보완적 특성에도 불구하고 단순한 결합은 성능이 좋지 않다

One Solution : OODB Model Object : set of properties

textual portions + numeric or fixed field portions image components

Can be Commercial???