关键词： 语义网   信息检索   领域本体   语义检索  

摘要： Tim Berners-Lee于2000年12月在XML2000会议上,提出下一代互联网的概念——语义网(Semantic Web),目的在于赋予万维网上所有资源唯一的标识,并在资源之间建立起机器可处理的各类语义联系。语义网对当代万维网延伸和扩展,以一种明确的、形式化的方式来表示信息资源,提高异构系统之间的有效检索和访问,实现信息资源在语义层上的全方位互联,并在此基础上,实现更高层的、基于知识的智能应用,促进知识共享。 目前因特网在信息表达和检索方面存在严重的缺陷,主要在于其设计目的是面向用户直接阅读与处理,没有提供计算机可读的语义信息,因此限制了计算机在信息检索中的自动分析处理以及进一步智能化的信息处理能力。实现信息资源的语义检索,提高数字化信息资源的利用率,这些问题是信息检索领域所面临的挑战。 本文分析研究了传统信息检索的基本原理、技术及工具、信息检索发展现状,结合万维网的具体特点,构建了基于语义网的信息检索体系框架,对信息检索系统的设计思想和检索流程进行了详细描述,并对系统模型的合理性进行了论证。 本文通过深入的分析研究智能信息检索模型中所涉及的若干关键技术,提出了有效的解决方案,奠定了智能检索实验系统的顺利实施的良好基础,这些技术主要包括:领域本体构建、信息资源收集、语义推理和检索结果排序。最后在理论分析的基础上,设计了基于语义网的文献检索实验系统,该实验系统以计算机领域的科技文献为检索对象,构建出领域本体——文献本体和语义词典本体。通过各种文献资源向知识本体层映射和语义推理处理,可充分发掘各文献之间蕴含的语义关联,从而在根本上解决了检索中资源对象语义信息缺乏的问题,满足用户对资源对象语义检索的需求。文献检索实验系统实现相对比较复杂的知识检索和二次检索功能,提供领域资源的增值服务。传统的基于关键字的检索方式难以实现以上功能,本文通过实践验证了信息检索系统模型的可行性。

关键词： 信息检索   教学方法   自主学习   分阶段教学  

摘要： 本文分析了《网络信息检索技术》课程的教学目标。结合教学实际分析本课程是如何通过分阶段教学法来贯彻自主创新的培养思想。

关键词： 入馆教育   用户教育   文献信息检索  

摘要： 从大学图书馆新生入馆教育工作的重要性出发,结合我校入馆教育的具体实践工作,并通过分析入馆教育工作中遇到的各种问题,提出了部分设想和解决办法。

关键词： 信息检索   向量空间模型   汉语自动分词   矩阵摄动   偏移距离  

摘要： 在实际信息检索系统中，信息检索系统的查全率和查准率都不是很高，针对不同的文献集，信息检索系统的性能也不一样，很多系统尽量适应各种文献的检索，这样性能就更加低效，与其说使检索系统适应各种文献类型不如退而求其次，针对不同的文献类型设计不同的检索系统，本文对使用最多的科技文献的结构进行了分析，针对科技文献的特点，对中文科技文献信息检索系统的各个方面进行了改进。 在讨论科技文献的自动分词之前首先分析了用来标引文献的关键词，根据文献标引中使用的关键词的特点，改进了分词词典和停用词表，使其更加适用于中文科技文献的标引需要。针对文献的五个部分使用了不同的分词算法，对篇名、摘要和参考文献使用双向最大分词算法，可以从中识别出歧义词。对于正文由于词语的重复率比较高，不对正文出现的少量歧义进行处理，也不会对词频产生大的影响。正文就只采用正向最大分词方法。 信息检索系统选用向量空间模型作为检索模型。在基于向量空间的信息检索系统中加入了位置空间，位置空间中篇名、摘要、关键词、正文和参考文献分别作为一个位置来处理，从中提取的关键词单独计算权值，构成位置向量，然后用位置向量来构造文献向量。文献向量构成整个文献空间矩阵。为了减小文献矩阵的摄动和长文献对词频的影响，本文把文献矩阵规范成了概率阵，并用矩阵的条件数证明了概率阵的摄动明显减小。由于信息检索系统的评价方法一直用查全率和查准率，这两种方法都是二值的评价方法，本文提出了一种偏移距离的方法来评价检索系统。

关键词： 信息检索   文本检索   XML   互关联后继树   双排序后继树   概念检索  

摘要： 信息检索(Information Retrieval,IR)相关技术是当前最为活跃的研究领域之一,它指的是对信息项进行表示、组织、存贮和查询。借助于计算机和网络等信息技术,如今人们已经能够快速有效的检索到所需的大量信息,但是,随着信息时代的发展,信息总量进一步增长,如何按照给定的性能指标在新的信息总量上更准确的找到所需要的信息,这是摆在研究者面前的一个问题。 现代信息检索均以一定的模型或者索引机制作为基础。本文在信息检索模型一互关联后继树一的基础上,提出了若干算法模型以期达到更好的检索性能,并使之适用于一些新的应用领域。 本文前面部分总结了互关联后继树本身的模型和特点。为了进一步提高模型的检索速度,本文提出在二元后继树的基础上提高排序程度,从而得到了双排序后继树(Double Order Successive Tree,DOST)。然后本文进一步讨论了该模型与pat数组结构的关系,从而进一步奠定了互关联后继树体系在信息检索方面的理论基础。作为文本检索和XML检索的共同的基础,二元后继树模型对于支持无结构和半结构化数据检索意义重大。因此本文对围绕该模型的一系列问题进行了进一步研究,本文讨论了分库合库算法,模型增量修改,压缩编码等算法问题及相应措施。 近年来,以XML为代表的半结构化数据相关应用得到迅速发展。如何利用半结构化数据中现有的结构信息优化检索以及如何进行半结构化数据中的全文信息进行综合查询,这是信息检索领域面临的新问题。本文讨论了将二元后继树引入XML索引领域得到的半结构化信息检索模型—Xistree—的基本性质和相关算法。文中在实现Xistree模型的基础上,首先与XISS进行了对比实验,然后与有名的Native XML DB实用系统Timber和XIndice进行了对比实验。结果表明,本系统在大数据集下,对于已知路径模式的简单查询和分支算法的性能都取得了非常好的成果。 将文本等无结构化数据的检索转化为半结构化检索问题从而最终实现基于语义的检索是当前研究者们努力的一个方向,因此基于概念语义的半结构化信息检索受到人们的普遍关注的信息检索新领域。如何更准确的度量用户需求和数据之间的关系,更高效的返回结果从而提高用户的搜索体验,将成国未来的研究发展进一步需要解决的问题。在本文中,主要针对半结构化数据中的概念检索问题,提出了概念语义模型构建的基本思想以及概念语义相关度匹配算法思路以及如何利用XML的结构信息进行SLCA查询。与以往的SLCA算法相比,本文所提出的算法在时间复杂度上有了较大提高。 概念相关性是信息检索的重要内容,为了自动发现概念相关性,需要借助概念相关频繁项挖掘算法,因此本文还提出了在一种模式数据上挖掘的算法—自适应的频繁项挖掘算法。本文首先提出了一种基于FP-tree的简单深度优先搜索算法NDFS,并简单分析了其在不同数据集上的特性;随后本文进一步将NDFS和经典的FP-growth算法进行结合,提出了一种在挖掘过程中根据局部空间特征动态采用不同策略的自适应算法(Self-Adaptive FP-growth,SAFP)。 本文对我们所开发的XML原型系统和二元后继树模型在中国电信集团黄页信息有限公司项目《黄页信息检索》中的应用进行了简单的介绍,并试图阐述如何将前面几章讨论的文本索引技术和基于概念的语义索引方法结合起来,形成一个综合了结构化、半结构化和无结构化数据的信息检索系统。最后本文对到目前为止所做的工作进行了回顾,并提出了对未来进一步的工作的展望。

关键词： 因特网   万维网   文献信息检索  

摘要： 本文主要介绍了Internet及其万维网的检索功能及其工具,并提供了一些常用检索策略,旨在帮助论文写作者更好地利用Internet进行文献信息检索,以提高其论文写作的速度与质量。

关键词： 信息检索   个性化   用户兴趣模型   多Agent  

摘要： 随着网络信息的爆炸性增长,如何在浩瀚的网络信息资源里查询出自己想要的信息变得越来越重要。现有的通用搜索引擎在一定程度上满足了用户的需求,但是它们完全忽视了用户的兴趣和背景。个性化信息检索技术的出现正是为了满足这种需求,它能够为不同的用户提供个性化的检索结果。本文讨论了用户兴趣的获取和描述方法,以及用户兴趣模型与检索模型的结合方式等个性化信息检索中的主要问题。 本文首先讨论和分析了当前主要的信息检索模型,然后针对用户兴趣的获取和描述方法,提出了基于同现词条的用户兴趣模型构建方法。考虑到不同用户的个体行为差异,本文又提出了一种基于缓存的用户兴趣模型更新方法。之后根据现有信息检索系统的特点,设计了一种兴趣模型和检索系统的结合方式——用户查询的个性化扩展技术。最后描述了系统的整体设计、实现和测试结果。本文重点讨论并实现了以下三方面的内容:信息检索模型,用户兴趣建模技术,以及用户查询扩展技术。 利用以上技术,本文初步实现了基于多Agent的个性化信息检索系统,并设计了相应的实验。实验表明,相对于通用检索系统,该系统的前10个结果的平均准确率提升了16.25个百分点,平均排序倒数的提升也可达到15.2%,能够为用户提供更符合其当前需求的检索结果。实验还表明,对于多兴趣用户,该系统也能够提供较好的个性化服务。

关键词： 信息检索   文本分类   词间相关性   搜索引擎   MPEG-7标准   基于内容图像检索   查询扩展   机器学习  

摘要： 随着互联网的快速发展，网上的信息呈指数级增长。因此，如何处理网上的海量信息成为非常重要的研究课题。文本分类和信息检索的研究可以帮助人们有效的从网上找到自己感兴趣的信息，帮助用户在日益增多的信息中发现对自己有用的知识。本文从以下三个方面对信息检索的相关问题进行了研究： 首先对文本分类相关技术进行讨论。主要包括：1)引入义类的概念，设计了一个图结构的同义词词典，并给出了该词典的生成算法。应用该词典可以按语义对向量维数进行压缩;词典作为文本分类系统的启发式知识，可以提高系统的模拟推理能力、增加系统对开放语料的处理能力。2)提出一种仿人文本分类算法，该算法一方面基于文章的标题可以突出内容的观点，在处理特征向量时增加标题的权重;另一方面，设计了一维加权因子ω向量，用以模仿人工分类专家的略读和跳读，对大量出现在正例集而较少出现在反例集中的特征项，在计算文档聚类中心时增加它们的权重。实验表明：该算法可以较好的提高文本分类系统的性能。 其次，是对网页检索相关问题的研究。主要研究内容：1)针对搜索引擎检索的对象是Web页面这一特点，通过分析HTML标签的修饰功能，结合传统的tf-idf加权公式，对网页进行加权索引。实验证明对于精确匹配，在查全率较低时系统的查准率有较大的提高。2)利用词间相关性进行查询结果重排。根据Web页面篇幅较小的特点，提出“网页主题关键词集合”的概念。利用词间相关性计算用户查询词集合与网页主题关键词集合之间的距离，对检索结果重新排序。将与用户查询需求相关性较大的网页排在前面。3)查询扩展是提高信息检索效果的一个有效方法，而扩展词的选择是查询扩展的一个难点。通过词共现分析，提出了一种新的词间相关性计算方法，应用于查询扩展，所选扩展词和查询整体关联，较好地反映了查询主题。实验表明，基于这种词间相关性进行查询扩展，对于信息检索性能有一定提高。 最后，对基于内容的多媒体信息检索进行研究。分别对MPEG-7标准的部分描述子进行多媒体检索实验研究。在此基础上，1)提出了一种利用MPEG-7标准中的主颜色描述子抽取镜头视频关键帧的方法，并进行了相应的实验;2)利用主颜色描述子与同构型纹理描述子所适应的检索范围不同，结合两者对关键帧进行了检索实验;3)将以上研究结果应用于“CG（Computer Graphics）制作环境项目管理系统”。

关键词： 基于关系的信息检索   关系抽取   查询分析   三元组结构  

摘要： 有研究工作表明现有的基于关系的信息检索技术(Relation-based Information Retrieval,以下简称RIR)优于基于项(term)或基于语义(concept)的IR技术,但仍存在显而易见的缺陷,即不能明确关系本身,只能表达概念A、B是存在关系的概念对。本文提出一种改进的基于关系的IR技术—IRIR(Improved Relation-based Information Retrieval),就是要明确关系的取值和属性,整合概念对和关系的信息为三元组表达式(triple),通过以下匹配方法获取未知信息。对于文本中出现的知识表示为:R(relation)[First Concept,Second Concept],对于疑问代词(如what)开头的查询表达为:R(relation)[First Concept,Unknown],对于疑问副词(如how)开头的查询表达为:R(Unknown)[First Concept,Second Concept],当文本与查询的三元组表达式中已知部分匹配一致时,则得到查询未知部分的一个取值。由此,既可以实现类似QA(query answer)功能又可以完成精确信息检索。基于Drexel大学DM &Bioinformatics Lab开发的生物医学文献搜索引擎(2004版,简称RIRS),我们开发了一个能实现IRIR技术和功能的实验IR引擎—IRIRS(Improved Relation-Based IR System),该系统使用UMLS和WordNet两大权威本体库分别确定概念和关系,在博士入学考试英语阅读理解测试集和TREC 2004 Genomics Track测试集上的实验结果令人满意,IRIRS将文字段级别的检索精确度MAPP(Mean average passage precision)从RIRS的64.44%提高到74.28%:IRIRS较RIRS、TREC在总体的文档级别性能上有显著提高,MAP从21.71%(TREC),37.58%(RIRS)提高到40.14%,50个topic的平均P@100值从26.37%(TREC),53.69%提高到63.93%。这表明,在IR中应用改进的基于关系的信息检索技术是非常具有探索价值的。

关键词： 多媒体   语义检索  

摘要： 面对海量的多媒体数据，缺乏有效的信息检索手段。为了提高多媒体信息检索智能化程度和准确率，必须实现语义检索。本文借助于多媒体元数据标准MPEG-7和资源描述框架模式 RDFS，研究构建基于RDFS的MPEG-7语义元数据通用参考模型的方法，并提出了基于语义的智能多媒体信息检索系统框架。