关键词： XQuery   Web检索   XML  

摘要： 提出一种基于XQuery语言构建Web应用、实现Web信息检索的新方法:在基于XML数据存储的服务器端,XQuery脚本经Qexo工具包转换成服务器可执行程序,能够响应Web用户的信息检索请求,动态生成HTML页返回给用户。

关键词： 音频检索   音频分类   基于内容检索   语音识别  

摘要： 今天音频检索的重要性已经越来越被人们所重视。本文系统总结了音频信息检索技术的发展历程、技术特点及国内外应用现状,最后预测了未来的发展趋势。

关键词： 信息检索   人机交互   模块化设计   聚类分析  

摘要： 随着Internet的迅速增加，查找信息成为问题。搜索引擎的出现在一定程度上解决了找信息难的问题。但由于网络信息增长太快，检索返回的结果太多，查询的歧义性问题，使得用户在返回的大量信息中找到有用信息成了问题。本文提出的面向主题的信息检索系统能在一定程度上解决这种问题。\n 面向主题的信息检索系统，主要由爬行器，前向索引器，倒排索引器，检索器，主题分类器，相似文章聚类器组成。与通用搜索引擎最大的区别在于检索结果中有层次主题类信息，相似文章推荐，以及更加友好的人机交互方式等。正是这些功能使得用户在检索时更加主动，获得的信息更加丰富，并且能更加快速地找到有用信息。\n 正是如此，本文研究设计了面向主题的信息检索系统。并在索引建立，带有主题信息的检索方法，系统结构和信息可视化上有所改进和创新。\n 为了主题分类和相似文章聚类的需要，设计了自动获取TermID来建立前向索引的方法和对前向索引的管理。为了高效建立索引，通过前向索引词典信息来划分存放倒排索引的文件，实现Term和文件的映射。以后处理Term的信息就只需要在划分的对应文件中处理即可。同时，本文提出了通过两遍文件迭代建立海量倒排索引的方法，并且在建立过程中没有使用归并算法，而只进行顺序链接即可。因而速度很快。\n 在检索中，为了提高检索的TopN精确率和检索效率，本文提出了对文档抽取摘要信息来建立小索引用于检索。同时设计了文档和主题类的映射关系以及父、子主题类的继承关系，使得检索时获取文档的主题类信息以及判断主题类间的继承关系都是常数时间复杂度。进而带主题信息的检索和通用检索在检索时间上相差不大。\n 由于用户输入的查询通常比较短，使得查询有歧义，因而返回的所有结果文档属于多个类别。主题检索系统返回了文档的类别信息，使得用户可根据自己所找信息对应的类别来选择类别，让系统只返回该类别的文档，进而快速找到有用信息。使得用户在检索过程中更加主动。同时，当用户看到一篇相关文档后想看更多与当前文档相似的文档时，系统的相似文章推荐就能满足用户的需求。提供给了用户更丰富的信息。

关键词： 信息检索技术   网络数据库   检索平台  

摘要： 以信息检索技术为脉络,结合Ei Village2、ISI Web of Knowledge、CSAIDS、EBSCO Host、ProQuest Online等多个著名检索平台综合分析布尔逻辑、位置逻辑、模糊检索技术、网络叙词表构建技术在网络数据库的应用,研究表明信息检索技术已深深植入网络信息资源管理之中,深入剖析信息检索技术,可以清晰揭示提问表达式的构建机理,掌握网络数据库的原理及使用方法,为网络信息资源评价和建设提供依据。

关键词： Web信息栓索   数据挖掘   关联规则   多维链表  

摘要： 针对Web信息检索系统在海量数据下的服务质量和效率问题,讨论了数据挖掘技术在Internet信息检索中的运用,在经典的关联规则算法研究基础上,通过引入多维链表结构,提出了利用事务集合匹配运算和链表操作高效地挖掘关联规则的算法ARMLL用于提高Web信息检索质量。实验结果表明该算法是可行的,有较高的效率。

关键词： 拼写校正   机器学习   分布式相似度   排序式支持向量机   查询日志链  

摘要： 拼写校正是自然语言处理领域研究的一个热点。随着信息检索和文本处理系统的大规模应用，人工输入的文档中不可避免地包含拼写错误。对用户输入到搜索引擎中的查询或包含错误拼写的文档的处理会带来计算机资源和用户时间的极大浪费。 在针对拼写校正技术的广泛和深入调查的基础上，我们比较了拼写校正技术在辅助信息检索和文本处理应用更正拼写错误的异同，分别为这两个领域设计并实现了系统。在信息检索领域，在对海量网页查询日志分析的基础上，我们发现错误拼写词与其正确拼写建议往往在相同或者类似的上下文中出现，而与其他拼写相近的候选建议极少出现甚至不出现。我们使用分布式相似度指标对这种上下文相似性进行度量。基于这个发现，我们首先采用了噪音信道模型，用分布式相似度对其错误模型进行了改进；我们还将分布式相似度作为一个特征用于最大熵判别模型中，结合编辑距离、发音相似度、语言模型等基本特征。在实验中我们比较了噪音信道和最大熵模型的性能。 为更正文本处理应用中的拼写错误，我们提出了一种新的基于判别式重排序拼写校正方法，第一次将拼写校正问题归结为一个排序问题，比较了传统上归结为分类问题的优劣。该方法针对已有拼写校正系统(GNU Aspell)的输出进行重排序，使用判别式模型Ranking SVM来改进它的性能。它将现今较为成熟的拼写校正技术以特征的形式整合到这个模型中来，显著地提高了基准系统Aspell的初始排序质量，同时也超过了一些商用系统(如Microsoft Word 2003)的拼写校正模块。此外，针对模型学习标注训练对往往需要耗费大量人力物力的情况，我们还提出了一种在搜索引擎查询日志链中自动抽取拼写校正训练对的新方法。采用这种训练对的模型获得了基于人工标注数据模型所得结果相近的性能。最后本文给出了拼写校正评测中的一些建议，对今后的研究工作进行了展望，提出了若干值得研究的问题。

关键词： 文检课   信息检索   信息素质   信息能力  

摘要： 网络大环境加速了信息资源的开发、交流和传播,也改变了人们信息检索、信息交流和利用的方式,传统的文献信息检索课(简称文检课)已不能适应新时期大学生信息能力培养的需要,文检课必须抓住机遇迎接挑战,在教学理念、教学内容、教学方法、教学模式等方面全面实行改革,以适应时代对人才培养的需求。

关键词： 信息检索   汉语分词   未登录词识别   汉语分词系统  

摘要： 汉语分词是中文信息处理中最基础的部分。信息检索用汉语分词要求分词算法具备一定的歧义识别与未登录词识别功能。 本文深入研究了未登录词识别技术，根据人在阅读时识别新词的思维过程，提出了一种新的未登录词识别算法，其中的数量词识别规则、边界单字规则、虚字辅助规则、未登录词记忆识别规则以及左方探测法、右方探测法选取未登录词规则等，使得算法在不依赖大型语料库的前提下可以有效地识别多种领域中各种类型的未登录词。同时，算法通过对正向、逆向双向分词算法的结果进行比较，能识别出绝大部分的交集歧义，使得未登录词识别与切分歧义识别一体化，有效地解决了识别未登录词时导致的新的切分歧义问题。接着，本文改进了词表组织结构，改善了词表查询算法，在提高分词效率的同时也使得词表的囊括度更大、更新维护更加灵活。 在此基础上，针对信息检索领域的特点以及对分词算法的要求，本文提出了汉语自适应分词算法，并设计开发出了汉语分词基础模块carmmLib．d11以及汉语自适应分词系统Carmm。carmm用户可以定制词表，定制分词结果以及可以对词表、未登录词表等词表进行管理维护等。Carmm还具备很好的扩展性和可移植性。 最后，本文对Carmm与中科院的分词系统ICTCLAS开源版进行了全面测评，包括系统效能测评(系统基本性能测评、负荷测评、稳定性测评)、系统分词准确率测评、系统未登录词识别的准确率和召回率测评。在整个测评过程中，Carmm的分词速率可以稳定在100KB／s左右。在人民日报语料库的开放测评中，Carmm系统的分词准确率约为91.2％。在网络时文的开放测评中，Carmm系统的分词准确率约为90.1％，接近于ICTCLAS开源版的91.3％；未登录词识别的准确率约为91.2％，略低于ICTCLAS开源版的93.9％；而未登录词识别的召回率约为94.7％，明显高于ICTCLAS开源版的89.0％。与此同时，Carmm系统在分词速率、处理大量未登录词的速率稳定性、面对高负荷系统环境的健壮性、系统易用性、系统抗干扰性等方面都优于ICTCLAS系统开源版。

ISBN: (纸本)9787118049510