공지의 상위 랭크 질의를 이용한 질의 정정 document_id A220623054126

인터넷 검색 엔진으로 예시되는 바와 같이, 정보 검색 시스템은 사용자의 질의와 일반적으로 관련되는 문서들을 일반적으로 신속히 제공할 수 있다. 질의에 대한 문서의 관련성을 판단하기 위하여, 검색 엔진은 문서들 사이와 용어들 사이에 연계와 더불어, 용어 및 문서 빈도의 다양한 통계적 수단을 이용할 수도 있다. 대부분의 검색 엔진 설계에 기초가 되는 주요한 기술적 전제로는 사용자 질의는 사용자가 원하는 정보 목표를 정확히 나타낸다는 것이다. 실제로, 전형적으로 사용자는 양질의 질의를 명확하게 나타내는데 어려움을 갖는다. 종종, 단일 질의는 원하는 결과를 제공하지 않으며, 사용자는 동일한 주제어에 관해 다른 많은 질의들을 빈번하게 입력하게 된다. 이들 복수의 질의들은 질의 용어의 폭 또는 특이성에서의 변화, 대상을 추측한 이름, 낱말들의 순서에서의 변화, 낱말들의 개수에서의 변화 등을 포함하고, 때로 길게 연이은 질의들을 만들어낸 후에야 원하는 결과 세트에 도달하게 된다. 다른 사용자들은 그들의 질의를 성공적으로 정정할 수 있는 폭넓은 변경 능력들을 가지고 있기 때문에, 질의 정정에 있어서의 다양한 자동화된 방법들이 제안되어 왔다. 가장 통상적으로, 질의 최적화(query refinement)는 보다 더 많은 일반적 질의로부터 더욱 정확한(즉, 더욱 좁혀진) 질의들을 자동으로 생성하는데 사용된다. 상위 결과들이 사용자의 정보 요구사항과 관련된 문서의 수퍼세트(superset)를 포함하는 과도하게 광범위한 질의가 사용자에 의해 입력되었을 경우, 주로 질의 최적화가 유용하다. 예를 들어, 미쓰비시 갈란트 자동차에 관한 정보를 원하는 사용자는 "Mitsubishi" 질의를 입력할 수도 있으며, 이는 지나치게 광범위하여, 그 결과 자동차 회사뿐만 아니라 다른 많은 미쓰비시 회사들까지 포함하게 된다. 그러므로, 질의를 최적화하는 것이 바람직할 것이다(사용자의 구체적인 정보 요구사항을 판단하는데 부가적인 문맥이 부족하기 때문에 여기에서는 곤란함). 그러나, 사용자가 지나치게 구체적인 질의들을 입력하는 경우, 올바른 정정이 질의를 넓히게 되는 경우, 또는 상위 결과들이 사용자의 정보 요구사항과 관련없는 경우에 질의 최적화는 유용하지 않다. 예를 들어, "Mitsubishi Galant information" 질의는 "information" 용어 때문에 부족한 결과(이 경우, 미쓰비시 갈란트 자동차에 관한 너무 적은 결과들)를 초래하게 될 수도 있다. 이 경우, 올바른 정정은 "Mitsubishi Galant"로 질의를 넓히는 것이다. 그러므로, 어떤 상황에서는 질의 최적화가 효과가 있는 반면, 그 밖의 질의 정정 기법을 이용하여서 사용자의 정보 요구사항이 최상으로 적합하게 되는 많은 상황들이 있다. 다른 질의 정정 전략에서는 사용자의 잠재적인 정보 요구사항을 포착하기 위해 질의를 확장할 수 있도록 동의어 리스트 또는 백과 사전을 이용한다. 그러나, 질의 최적화에서와 같이, 질의 확장이 질의를 정정하기 위한 항상 적절한 방식인 것은 아니며, 결과 품질이 질의 용어의 문맥에 매우 의존한다.