关键词： Geographic Information Retrieval   Ranking   Evaluation   Genetic Programming   Geographic metadata  

摘要： Geographic Information Retrieval (GIR) has emerged as a new and promising toot for representation, storage, organisation of and access to geographic information. One of the current issues in GIR research is ranking of retrieved documents by both textual and geographic similarity measures. This paper describes an approach that learns GIR ranking functions using Genetic Programming (GP) methods based on textual statistics and geographic properties derived from documents and user queries. Our proposed approach has been applied to a large collection of geographic metadata documents. The experimental results show that the ranking functions learned using our method achieved significant improvement over existing ranking mechanisms in retrieval performance.

关键词： multidisciplinary databases   information services   information retrieval   scientometric analysis   organic chemistry   mechatronics   nanotechnology   fullerenes   nanotubes   nanostructures  

摘要： Structured schemes of scientific information retrieval and analysis offer a wide variety of possibilities for information support of research in the area of science-intensive technologies. Statistical analysis and dynamics of publications distributions in databases allow one to evaluate the activity status in a particular thematic area, and to discover new exciting research areas and the practical application opportunities of scientific discoveries.

关键词： 测试脚本搜索   向量空间模型   企业内部数据   内部文本信息   信息检索技术  

摘要： 随着现代企业内部信息化程度的提高，企业内部数据量急剧上升。其中结构化的数据能够使用关系数据库有效地管理，而很多非结构化的数据，例如文本数据，则不能使用关系数据库有效地管理。在大规模的企业内部文本信息中，寻找所需信息则成为一般企业内部的难题和研究热点。另外，各个企业内部的数据形式和实际需求会有所不同，因此不可能有一种统一的方法能够解决所有企业内部大规模文本数据的检索问题。信息检索技术是解决大规模信息查询的领域，在成熟的信息检索理论和技术基础上，结合企业内部的实际数据和需求状况，研究企业内部信息检索的问题是一条可行的道路。本论文正是在这样的指导思想下，挖掘出本企业内部搜索大规模测试脚本的需求。在充分研究了信息检索理论与技术的基础上，研究并开发了一个实用的测试脚本搜索系统，该系统已投入实际使用。\n 本文主要介绍了测试脚本搜索系统几个关键问题的研究与解决方案。(1)文档编号的问题，由于企业内部测试脚本的命名和存储存在一定的规律性，因此可利用已有的规律设计一套合理的方案从而大大降低文档编号到具体文档路径的映射时间；(2)系统索引的设计，索引数据是整个系统的核心数据，本文设计了六个索引数据结构，既满足了索引的全面性，又满足了系统的高效访问；(3)介绍了检索算法，本系统使用了信息检索中最为成熟和稳定的向量空间模型，并且研究了符合系统自身的权值计算公式；(4)提出了最多关键词窗口的概念，并设计了动态文档摘要的形成方法；(5)将一些索引数据缓存到内存中，以提高访问索引数据的速度，从而大大减少了搜索时间。另外，将最近的搜索结果缓存以提高系统的搜索速度。

关键词： 协作式   信息检索课   教学模式  

摘要： 本文阐述信息检索课协作式教学模式及研究方法,详细分析了该教学模式的教学效果。

关键词： 信息检索   相关反馈   查询扩展  

摘要： 论述了信息检索中的向量空间模型、概率模型以及语言模型中所采用的相关反馈技术。其中主要介绍检索词的权重调整、查询扩展、文档相关反馈,以及语言模型中的查询语言模型和文档语言模型的调整。针对最近反馈方面的最新成果——基于term的反馈技术进行了探讨,指出了相关反馈在今后研究的方向,即提供个性化的如分层反馈和利用日志进行反馈,并讨论了相关反馈技术对检索性能的影响。

关键词： 信息检索   信息组织   文本聚类   文本分类   特征选择   全文检索  

摘要： 信息检索系统是人们获取信息必不可少的工具,但是随着互联网的日益发展,信息资源呈现出了爆炸式增长的趋势,对信息检索系统带来了巨大的挑战。如何高效地组织、处理和管理这些信息,并快速、准确、全面地从中获得用户所需要的信息,是亟待解决的问题。多项研究表明,合理的信息组织是解决这一系列问题的关键环节。 本文致力于综合运用文本分类/聚类技术、文本索引技术提高文本信息组织的性能与自动化程度,实现海量数据条件下的文本信息组织系统。目前,这些关键技术和方法在实际应用中还存在着很多不足之处,主要表现在:(1)现有文本聚类算法研究集中在如何提高算法的准确率与效率,忽视了聚类算法的有效性,如参数难以确定,算法仅对特定的数据分布有效等,导致算法难以满足文本主题挖掘的需求;(2)文本分类需要利用大量的有标记样本进行训练,而有标记样本在实际应用中又难以获取,这使得分类器的泛化能力较低,分类精度不能满足文本自动归类的要求;(3)文本采用向量空间模型表示使得文本向量高维且稀疏,严重影响了文本分类的效率与精度;(4)现有的索引模型都是针对西方语言设计,而中文与西方语言之间存在着较大的差异,这些索引模型都无法对中文文本建立理想的索引。 本文针对这些问题,采用理论分析、实验研究等手段,重点研究了这些关键技术中的算法与模型,并提出了相应的解决方法,取得的主要研究成果如下: (1)针对文本集主题结构挖掘中聚类算法的有效性问题,提出了一种基于动态阈值选择模型的无参数局部密度聚类算法DTSLD。该算法首先在小波去噪中分层滤波思想的启发下,建立了分层阈值选取的动态阈值选择模型,对算法参数自动选取;其次,在RDBKNN算法的基础上进行改进,为了避免全局参数对算法的影响,提高参数选择的正确性,不再使用全局统一的近邻参数k,而是利用动态阈值选择模型为每个数据点选择各自合适的近邻,形成更为自然的邻域;相对密度阈值参数δ的选择也利用动态阈值选择模型进行选取,但采取不同的策略执行;最后,在文档集主题挖掘应用中,利用多项式核函数改进了文档相似度计算方法,使之更加适合于高维文本数据的聚类应用。相关实验表明,该算法易于使用,并且对各种云状、流形数据分布都具备很好的适应能力,能够充分满足文本集主题结构挖掘提出的有效性要求。 (2)针对文本分类技术在自动文档归类应用中面临的小样本问题,提出了基于半监督学习与数据剪辑的直推式文本分类算法――Tri-ed-training-Tsvm。该算法的设计思路是将半监督学习算法与TSVM算法相结合,在初始训练样本不足时利用半监督学习算法对未标记样本的学习能力,逐步扩大训练集规模。再利用扩大后的训练集对TSVM进行训练,得到一个相对准确的分类面,从而屏蔽TSVM算法中的参数N,避免人为设置的困难与误差;然后利用TSVM算法中最大化两类样本间隔的方法,成对交换边界样本标记的以获得最佳的分类精度。此外,由于初始训练集规模较小时,半监督学习算法在扩大训练集的过程中势必会引入大量误标记和噪声数据,为弥补这一负面影响,本文引入了基于最近邻一致性约束规则的数据剪辑(data editing)技术对学习过程进行误标记样本修正、噪声数据剔除等净化操作,以提高扩大后的训练集质量。 (3)针对文本数据采用向量空间模型表示,文本向量高维稀疏导致文本分类性能降低的问题,对文本降维技术中的特征选择方法进行了研究。首先在Fisher线性判别模型的基础上,从特征选择的角度出发,经理论推导与相关定理证明,提出了一种稳定性高、特征选择能力强的FS特征选择算法。其次,通过对互信息方法的实验与理论分析,对其进行了改进,摒弃了原算法中以特征项对某个类别最高的贡献度作为最终评估值的方法,利用特征对各个类别之间贡献度的差异作为评估标准,从而使其特征选择能力得到了极大提升。最后通过相关实验,分析验证了相关算法在文档降维中的准确率与时间效率,并且证明了yang等人关于特征选择的经典论文中提出的特征文档频数与分类能力存在相关性的结论存在错误。 (4)针对现有索引模型无法建立高效中文文本索引的问题,首次提出了一种符合中文语言特点的字词混合一体化索引模型。该模型以互关联后继树索引模型为基础,利用其保存字符先后关系的特点,通过对叶节点结构的扩展,增加了词汇索引信息,实现了中文字、词一体化混合索引;同时,针对互关联后继树索引模型检索效率较低的缺陷,通过对原模型中后继树层次的扩展,将“根节点-叶节点”结构扩展为“根节点-分支节点-叶节点”结构,克服了原模型仅能顺序查找无法使用快速定位技术的缺点,极大提高了检索速度。实验表明,本文提出的一体化混合索引模型成功结合了字、词索引模型的优点,具有创建速度快、查询效率高的特点。与基于字的索引模型相比,检索速度及查准率有较大提

关键词： 情报检索  

关键词： 本体   语义检索   语义推理   信息检索   语义扩展查询界面  

摘要： 在以数字化信息为资源、互联网交互为动脉的21世纪,快速、有效地获取有用信息变得越来越困难,其根本原因在于现有数据缺乏语义信息。针对这种情况,在语义和知识层面上描述领域概念模型的本体,具有良好的概念层次结构和对逻辑推理的支持,可以为信息查询提供较好的语义支持,来实现信息的语义查询。 本文通过对传统信息检索的发展现状、基本原理及其技术等方面的分析研究,结合语义Web的具体特点,即实现对数据语义的描述,对语义信息检索中涉及的若干关键技术进行了深入的分析研究,提出了有效的解决方案,为语义信息检索系统的顺利实现奠定了良好的基础。这些关键技术包括:领域本体构建、推理扩展查询和语义包装。 本文提出了基于本体的交通网络信息检索系统结构,详细描述了语义信息检索系统的设计思想和检索流程,并开发了在语义Web环境下基于本体的交通网络信息检索原型系统,其目的主要是探索基于本体实现语义检索的路径和形式,重点在于原型语义推理过程的内部实现机理,为实现可用于实际应用的语义检索系统积累相关理论和技术经验。

关键词： 信息检索可视化   技术接受模型   使用态度   使用意向  

摘要： 信息检索可视化指的是将集中抽象的数据及其语义关系转化为可视形式,并将内部检索过程展示给用户的一种检索形式。它可以帮助用户理解检索结果、把握检索方向,以提高信息检索的效率与性能。作为一项新的信息检索技术,信息检索可视化的理论、模型和系统已经得到了全面发展,但是对用户的使用和接受问题,研究者们却鲜有涉及。因而,本文在技术接受模型的基础上提出了对信息检索可视化用户接受问题的研究。 本文在对信息检索可视化和技术接受模型进行回顾与分析的基础上,总结了影响用户使用信息检索可视化态度和使用意向的因素,构建了概念模型,并提出了相关假设。本文通过收集调查问卷获取数据,借助相关软件分析数据,验证了模型和相关假设。研究结果表明,假设模型具有较高的科学性,并能解释57.5%的可视化检索使用态度和66.7%的使用意向。本文的理论贡献主要体现在: (1)确立了变量,在各变量的基础上,建立了信息检索可视化的用户接受模型,并通过实证研究证明了模型的有效性,同时还确立了变量之间的关系。 (2)创造性的运用技术接受模型分析信息检索可视化的用户接受问题,证明技术接受模型对分析信息检索可视化也是适用的。

关键词： 情报检索   高等学校   教材