关键词： 以问题为中心   信息检索与利用   教学运用  

摘要： 在《信息检索与利用》课的教学实践中,采用"以问题为中心"教学法进行教学,能有效控制设计问题、呈现问题、思考问题、解决问题等重要环节。"以问题为中心"教学法强调将以学生为主体,以问题贯穿教学活动的始终,重在培养学生的思维能力和表达能力。实践证明这种教学法具有可操作性和推广性。

关键词： 中文分词   信息检索系统   搜索引擎   汉语自动分词   歧义词切分   词典算法  

摘要： 随着信息化时代的不断进步和发展,人们获取信息的手段也在不断的发生着变化,从原始的手工查找到现在的计算机搜索引擎。计算机技术的发展极大的促进了信息检索技术的进步,搜索引擎作为信息检索的主要手段,其发展受到越来越多研究机构和个人的重视。搜索引擎作为检索工具,其发展给我们的生活带来了前所未有的方便和快捷。当人类利用google、baidu等搜索引擎进行信息的查询和检索时,它们是如何知道我们最想要的结果是什么,有多少结果是我们需要的?　　汉语言的博大精深使它不能像英语那样容易让人理解。当利用计算机处理汉语言时,输入计算机的仅仅是一连串的字符序列,除了标点符号就没有其他的分割标志,而英语却有一个明显的分割标志—空格,这使汉语分词遇到了一些在英语中没有的问题,这些问题都集中体现在中文分词技术中,其中以歧义词的切分和未登录词的识别为代表。　　本文前面主要从理论上分析和介绍了目前的各种汉语自动分词方法,以及搜索引擎技术的相关情况。对各种分词方法的技术特点进行了阐述,对自动分词发展现状和趋势作了概括性的总结。讨论了中文分词中存在的两个主要问题—歧义词的切分和未登录词的识别,简单介绍了中文分词和信息检索的关系。　　目前的分词算法主要有基于词典和无词典两大类,这两种算法各有优缺点。本文的分词系统是基于词典的,词典作为整个分词系统的核心,它的好坏直接影响到分词系统的效率和准确率,所以要从时间和空间多个方面考虑分词词典的组织结构。本文的主要工作如下:　　1、简要的介绍了文章的研究背景和意义以及中文搜索引擎的相关情况,深入的研究了目前国内中文自动分词发展情况和中文自动分词面临的问题。　　2、介绍了目前常用的几种词典算法结构,根据已有的词典算法并结合前人的研究工作,对基于双数组Trie树词典算法进行了改进,利用Lucene全文索引擎工具包的切分工具对原始语料进行初切分,并结合统计方法在切分过程中对歧义切分和未登录词识别进行了相应的处理,最后实现本文的分词系统CSSD。　　3、把改进后的词典算法和目前现有的几种词典算法从空间利用率和查找速度进行了比较,并把本文的CSSD分词系统和中科院ICTCLAS分词系统以及前向最大匹配算法FMM从切分速度、切分准确率和未登录词识别三个方面进行了比较,结果显示,CSSD分词系统能够满足面向大规模信息检索的要求。最后,对全文的工作进行了总结,并提出进一步的研究工作。

关键词： .semiconductor quantum   retrieval system   Secure Information   Retrieval Technology   Multilayer Information  

摘要： Secure information retrieval technology aims at status identification and documentation authentication. Ideally, materials or devices used in these technologies should be hard to find, difficult to counterfeit, and as simple as possible. This manuscript addresses a novel information retrieval technology, with photoluminescent (PL) semiconductor quantum dots (QDs) synthesized via wet chemistry approaches used as its coding materials. Conceptually, these QDs are designed to exhibit emission at Fraunhofer line positions, namely, black lines in the solar spectrum;thus, the retrieval system can extract useful information under sunshine covering areas. Furthermore, multiphoton excitation (MPE) technology enables the retrieval system to be multilayer information extraction, with thin films consisting of QDs applied to various substrates, such as military helmets and vehicle and fingernails. Anticipated applications include security, military, and law enforcement. QD-based security information can be easily destroyed by preset expiration in the presence of timing agents. Copyright (C) 2008 Shoude Chang et al.

关键词： 对等计算   本体   向量空间模型   资源空间模型   CAN  

摘要： 对等计算是未来重构基于Internet应用的关键技术之一。对等计算的核心思想是所有参与系统的节点都拥有对等的功能与责任,可以随时自由地加入或离开该系统,形成一个真正动态的网络环境。随着越来越多的资源存储到对等计算网络节点中,上层应用随之就需要底层架构提供资源定位与搜索能力。从而,对等计算信息检索技术成为对等计算与信息检索相集成的新技术。 本文根据对等计算信息检索技术研究涉及的关键问题,对相关理论和技术研究进展进行了对比分析。由于现有检索系统较难提供语义级的资源组织、且不能支持语义的资源定位和查询路由,本文以资源空间模型、本体、向量空间模型等理论研究为基础,提出一种支持语义的对等计算信息检索模型PSRM。 PSRM由非结构化层、结构化对等网络层、语义搜索层组成,共同完成支持语义的信息检索。在PSRM中,结构化对等网络层采用CAN覆盖路由协议,并将其优化映射为Polar空间,首次采用扩展空间的幂级数算法,大大减少逻辑路由跳数。语义搜索层由RSMCAN资源空间组织和本体向量空间两部分组成。本文提出RSMCAN的资源组织方式,即资源空间模型和结构化CAN相结合,统一、规范地组织和管理分布的数据资源,实现资源的分类语义检索。本体向量空间借鉴本体和传统的向量空间模型理论,将文档向量转换成由本体概念和属性组成的语义向量,实现基于语义相似度的检索算法。最后,本文通过模拟仿真,得出数据分析表明,PSRM不但能够支持语义丰富的信息检索,而且能高效地利用系统资源并有效地满足用户需求。

ISBN: (纸本)9787508371603

关键词： 医药学-情报检索-高等学校-教材  

关键词： Collectivism   Information retrieval  

ISBN: (纸本)9787811332254

关键词： 情报检索-高等学校-教材  

摘要： 本书共分11章：信息检索概述；信息检索的数学模型；信息检索系统及其构成；文本信息检索技术与方法；多媒体信息检索技术与方法；Web与网络搜索引擎；信息检索评价研究等。

关键词： 主题学习   文档检索模型   智能   方法研究   信息检索技术   电子文档   相关模型   Correlation model   相关性   文档表示   领域   框架   语义层次   最佳匹配   主题空间   学习能力   问题   同义词   体系结构   时间  

摘要： 近年来,随着计算机技术的飞速发展,电子文档在存储、修改,传递等方面的优势越来越明显,电子文档的普及和流行已成为大势所趋。随着电子文档数量的迅速增多,花费在文档检索上的时间飞速增长。很多时候,人们检索一篇文档的时间已远远超过阅读该文档的时间。于是,文档检索成为制约人们工作效率的瓶颈之一。 人们通常利用关键词来表达自己的检索需求,借助于搜索引擎等信息检索工具来查找自己感兴趣的相关文档。随着电子文档的普及,许多应用领域对文档检索技术提出了-些新需求：在公共安全领域,案件分析人员希望能根据当前案件描述文本找到所有相关的其它案件;在科技查新领域,情报分析人员希望计算机能自动完成对查新资料的学习,在此基础上进行相关文档检索,得出查新结论;在科研领域,科研工作者希望计算机能根据某篇经典文献找到所有与其内容相关的文档。 搜索引擎等现有信息检索技术无法满足上述应用领域的新需求,主要原因是信息检索技术本身存在如下几方面的缺陷： (1)缺乏对文档语义的智能学习能力。现有的信息检索技术缺乏语义学习能力,不能从更高语义层次上建立每份文档的表示视图;当面对大段文本或整篇文档形式的检索请求时,很难确定选取多少关键词以及选取哪些关键词用于表示检索请求。 (2)不能从语义层次上学习文档关系。现有信息检索技术不具备语义学习能力,无法为每份文档建立基于语义的表示视图,因而,无法从语义层次上对文档之间的相关关系进行分析。 (3)易受同义词和多义词现象干扰。现有的信息检索技术主要以关键词作为文档表示的基本单位,不可避免会受到同义词和多义词现象的干扰--同义词的出现会造成文档的查全率下降,而多义词的出现会引起文档查准率的下降。 针对当前信息检索领域存在的上述问题,本文提出了基于主题的文档智能检索思想,主张把相关文档的检索分为两个阶段：学习文档主题和建立文档之间基于主题的相关性模型。鉴于近年来自然语言处理领域在文档主题学习方面已经有较多研究成果,本文的研究重点将集中在后一阶段--基于主题的文档相关性建模。 本文的创新点主要有： (1)提出了一个基于主题的文档智能检索框架TDIRF(Topic-based Document Intelligent Retrieval Framework)。TDIRF框架由主题学习、文档表示,检索排序三个核心模块和一些辅助模块构成;主题学习模块负责从自然语言文本中获取主题,文档表示模块负责为每份文档建立主题索引,检索排序模块负责计算文档之间基于主题的相关度,并排序输出。TDIRF框架通过主题学习提高了对文档内容的理解能力,通过基于主题的文档关系建模实现了从主题层次上对文档关系的认知,在很大程度上避免了同义词多义词对判断文档关系的干扰。可以说,TDIRF框架提供了一个较为完整的智能化解决方案,克服了现有信息检索技术无法处理“输入条件为大段文本或整份文档的文档检索问题”的缺陷。 (2)在TDIRF框架的基础上,用Latent Dirichlet Allocation获取文档的主题混合比例,用三种不同方法对基于主题的文档相关性建模,得到三个基于主题的相关文档分析模型： >基于主题的概率文档相关模型TPDC(Topic-based Probabilistic Document Correlation model)将文档的相关性建立在文档后验概率的基础之上,并通过概率推理和合理近似,把求解文档之间的相关性问题转化为求解主题之间的相似性问题,从而使问题得以化简解决。 >基于主题最佳匹配的文档相关模型DCTOM(Document Correlation model based on Topic Optimal Matching)把两篇文档分别看作一个二分图的两个分图,每个主题看作二分图的一个节点,主题之间的加权相似度看作节点之间的边权值,最后,用二分图的最佳匹配表示两篇文档之间的相关度。 >基于潜在主题空间的文档相关模型DCLTS(Document Correlation model based on Latent Topic Space)为所有文档建立公共的潜在主题空间,每篇文档表示为主题空间上的一个向量,用向量之间的相似度表示文档之间的相关度。 实验结果表明:TPDC、DCTOM和DCLTS模型都有较好的综合检索性能;用调和中数(查全率和查准率的调和平均数)作为检索性能评价指标,TPDC模型的平均调和中数约为0.5650;DCTOM模型的平均调和中数约为0.5134;DCLTS模型的平均调和中数约为0.6831;与其它基于主题的文档检索模型相比,采用TextTiling分段和二分图最佳匹配方法构建的相似文档检索模型的平均调和