关键词： 信息检索   索引模型   互关联后继树   中文分词   文本分类   频繁项挖掘  

摘要： 随着计算机系统性能的提高，互联网络技术的快速普及，以及企业信息化程度的提高，中文信息资源以极快的速度递增。信息检索就是从庞大的信息资源中找到人们所需信息的技术。 信息检索(Information Retrieval)，通常指文本信息检索，包括信息的存储、组织、表现、查询、存取等各个方面，其核心为文本信息的索引和检索。目前，信息检索已经发展到网络化和智能化的阶段。为了提高检索的准确率以及增强用户体验，对中文信息检索除了继续研究索引技术外，对索引技术之外的相关技术研究方兴未艾。跟英语的提取词根(stemming)技术类似，中文分词技术是处理中文所特有的技术，中文分词的好与坏直接影响到信息检索的精度。自动分类(聚类)在信息组织、导航方面非常有用，其目的是帮助人们更好的发现、组织、表示信息，提取知识，满足信息检索的高层次需要，有助于用户快速评价检索结果的相关程度。文本关联规则技术，特别是对文本频繁项挖掘，能给用户在对信息检索需求转为搜索关键词时提供帮助，从而给信息检索的人机交互方面增加了友好的一面。 本文以中文信息检索的索引模型为研究对象，也对信息检索其它相关技术进行了研究，主要包括中文分词、文本关联分析、文本快速分类。提出了后续有序的互关联后继树索引模型、基于互关联后继树快速准确的中文分词算法、基于模拟退火算法的快速KNN分类算法和基于投影和树的频繁项挖掘算法。本文的研究工作和创新内容包括以下几个方面： 1互关联后继树索引模型的改进研究 互关联后继树是国内自主提出的优秀信息检索索引模型，它具有创建速度快，空间和查询效率高等特点，并且可以通过索引生成原文等优点。为了在Internet上大规模应用，在创建和更新文本索引以及全文检索速度等方面能达到实用的要求，本文对这个索引模型做了进一步的研究，提出了后续有序的互关联后继树索引模型。它的优点是在进行检索时，对有序的子树进行求交，能快速地检索出结果，从而有效地提高了信息检索的时间效率。 2基于互关联后继树的快速和准确中文分词 中文信息检索的查准率跟中文分词的准确率是息息相关的。目前有很多算法的准确率比较高，但是是以牺牲时间为代价获得的。在Internet上应用，分词算法的时间效率和分词准确率之间是个折衷平衡的关系，在能满足分词速度实用的前提下，尽可能提高分词的准确率。在提高分词速度方面，本文提出了用互关联后续树作为分词过程中使用的数据结构。中文分词准确率不高的主要原因是对歧义词和未登录词的划分不够准确，本文对中文机构名称和地名进行了研究分析，找出它们的特点，提出了一种结合规则和机器学习的分词方法，这种方法在对中文机构名称和地名准确划分上很有效，实验结果也表明这种方法是一种能快速划分中文词语同时准确率又很高的分词方法。 3基于模拟退火的快速KNN算法 在Internet信息检索应用环境上，对文本自动分类，涉及到问题主要有两个，一是文档分类的类别是变化的，另一个是文档量大。对于第一个问题，由于模板匹配类算法的特点，如KNN，它是一种懒惰(lazy)算法，将待分类样本与标准模板进行比较，看跟哪个模板匹配度更好些，从而确定待测试样本的分类，不需要事先确定分类函数，因此我们选择KNN分类算法来解决；解决第二个问题，我们先对文档的高维特征进行排序，然后借用模拟退火算法的思想，在精度稍微下降的情况下，极快地对文档进行分类。试验表明，基于模拟退火算法的快速KNN算法有实际应用前景。 4基于投影和树的文本频繁项挖掘算法 由于文本的频繁项挖掘的时间效率是随着项的增长以指数级别增长，因此对Internet信息检索应用环境下，频繁项挖掘的时间效率更是研究者研究的重点。本文提出了一种新的数据结构—投影和树，在对项进行建树时，可以同时对项进行计数，这样在挖掘时，可以直接利用统计好的计数，不需要重新计数；另外，在对树进行挖掘时，以深度优先的方式，对树进行一次深度优先遍历即可，加快了挖掘的时间。实验表明，基于投影和树的挖掘算法比同类的算法效率要高。 5为中国电信集团黄页信息技术有限公司实现了一个黄页搜索引擎(一期)系统。 利用上述创新技术，我们为中国电信集团黄页信息技术有限公司实现了一个黄页搜索引擎(一期)系统，并取得显著的成效。尽管黄页搜索引擎(一期)系统，是一种针对黄页信息专用的搜索引擎，但从技术本身来说，对于一般搜索引擎，也同样是有效和实用的。

关键词： LIBRARY automation   ELECTRONIC information resources   ONLINE data processing   INFORMATION retrieval   INFORMATION science   ELECTRONIC data processing   INFORMATION resources management   HIGH technology   INFORMATION storage & retrieval systems  

摘要： In the late-nineteenth and early-twentieth centuries a range of important new technologies of information emerged in response to the growth and increasing complexity of organizations and their operations. One such technology was the punched-card machine, a direct forerunner of the computer in terms of the information management function in organizations. Punched-card technology first appeared in libraries in the 1930s, in the United States;and was taken up by libraries in the United Kingdom after the Second World War. Although it could be found in public libraries, the technology's greatest take-up appears to have been in special libraries and documentation/information centres. In the 1930s and 1940s, anticipating later developments in online services, ideas were put forward to link microfilm and punched-hole technologies to produce machines for rapid and universal information retrieval. However, in the 1950s these ideas became redundant with the deployment of the first computers in organizations, a development which also led to the demise of punched-card machines in library operations.

关键词： 信息检索   元数据   期刊资源整合   实用分类系统  

摘要： 在高校图书馆，期刊是被利用最多、信息价值最高、处于“龙头”地位的一种文献。期刊具有出版周期短、内容新颖、信息量大、能系统地反映最新科技动态等特点，是高校师生从事教学和科研活动的必备资料。但是期刊资源种类繁多、数据量大、形式各异，不同的期刊资源往往具有独立的数据库、检索系统和发布系统，这使得图书馆的期刊资源比较分散杂乱，给读者的检索和利用造成了许多不便。为此，我们需要对期刊资源进行整合，建立一个统一的检索平台，有效地促进期刊资源的有序化，实现不同类型的期刊资源的访问，从而保持知识体系的整体性和关联性，提高期刊资源的利用率及读者的检索效率。 本文对元数据的类型、结构、格式以及都柏林核心元数据集进行了深入的研究，选择目前国际通用的广泛用于资源检索的都柏林核心元数据标准作为参考，并结合中南大学图书馆的实际，设计了期刊资源元数据元素格式。其次，对期刊资源整合的基本原则和整合的方式也进行了深入地研究，并对期刊资源进行了导航整合和基于元数据的整合。接下来，论文对实用分类系统这一种新兴的概念建模工具进行了探讨，提出了将实用分类系统融合到信息检索技术中去的思路。 论文详细阐述了基于实用分类系统的信息检索系统的总体设计思想以及系统各个功能模块的具体实现过程，并对研究和开发工作进行了总结，对未来的工作进行了展望。本文的研究工作，对数字图书馆期刊资源整合的建设和发展打下了良好的基础。

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： 语义万维网   领域本体   智能信息检索   语义检索   贝叶斯网络  

摘要： 传统信息检索方式下,由于信息资源缺少统一的语义描述,用户难以查找到与需求相关的资源,难以实现信息资源的语义共享。如何使被管理信息资源具有应用程序可以理解的含义,并根据信息资源所具有的领域知识,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。 语义万维网(Semantic Web)是万维网发明人Tim Berners-Lee倡导的下一代万维网,旨在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。语义万维网是对当代万维网的扩展和延伸,能够以一种明确的、形式化的方式表示信息资源,提高异构系统之间的互操作性,促进知识共享。Ontology在Web上的应用导致了语义Web的诞生,其目的是解决Web上信息共享时的语义问题。Ontology,作为一种能在语义和知识层次上描述信息系统的概念模型的建模工具,在提出后迅速成为信息系统与人工智能领域的一个研究热点。并在许多领域得到了广泛的应用,特别是在信息检索领域,Ontology提供了一种对信息和知识进行规范化描述和建模的方法,在构建智能化的检索系统方面有很重要的意义。 本文对智能信息检索模型中所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,为智能检索实验系统的顺利实施奠定了良好的基础,这些关键技术主要包括:领域本体的构建、关联搜索、结果排序、减少响应时间和语义门户等。 本文最后在理论分析的基础上,具体介绍了这些关键技术在理论和实际设计中实现的情况。

关键词： CSCW   信息检索   检索模型   用户相关反馈   协同反馈  

摘要： 随着网络资源的不断增加，人们在信息海洋中获取需要的信息也变得越来越困难，出现了“信息迷航”和“信息过载”的现象。人们急需高性能的检索技术来满足日益增长的信息需求，这促使信息检索技术的快速发展，成为当前研究热点之一。 信息检索模型是影响一个信息检索系统性能的最主要因素，通过结合用户相关反馈来提高检索系统的性能一直是众多学者研究的课题，其主要的驱动思想是高效的检索性能必定依赖于正确的用户反馈。但靠单用户进行反馈对系统检索性能的改善是有限的，利用多用户协作的方式进行反馈就显得更合理，能构造出更完善的查询请求来提高检索性能。 论文首先分析了信息检索技术的研究现状，探讨了CSCW的三要素和关键技术，研究了三种典型的信息检索模型、用户相关反馈技术及搜索结果合并算法，针对现有信息检索存在的精度低、效率差和覆盖率低等问题，结合CSCW、用户相关反馈和元搜索技术，提出了协同反馈信息检索模型。在此基础上，论文对基于CSCW的信息检索系统进行构架，该系统融入了层次化结构的设计思想，以基于消息原语的通信机制为协同工作的基础，将协同反馈信息检索模型结合到元搜索引擎中，实现了多用户协同信息检索。最后，本文实现了系统原型的核心模块，解决了协同反馈信息检索技术中的部分问题，并通过实验验证了所提模型的可行性和有效性，以期对信息检索技术的研究提供参考和帮助。

关键词： 颜色特征   直方图   相似性度量   形状特征   空间关系特征   反馈查询  

摘要： 在基于内容的图像检索中,颜色特征计算简单,性质稳定,作为图像的一种重要视觉信息,已得到了广泛应用。本文首先针对图像的颜色空间的表示、颜色特征提取和基于颜色特征的相似性度量方法进行了研究。本文讨论和比较了几种常见的颜色空间模型,在此基础上重点对三种颜色直方图(全局直方图方法、累加直方图方法、局部累加直方图的方法)以及三种直方图相似性度量方法(相交法、欧氏距离法、加权距离法)进行了讨论,并通过实验进行了分析、比较,并得出结论。 其次,形状是物体的本质特征之一,具有较强的鲁棒性。它不会随图像目标颜色、纹理的改变而发生变化,因此在以查询与图像具有相似形状为主要目的的检索中,形状特征显示出颜色、纹理所不能比拟的优越性能。因此研究目标图像的形状特征提取方法成为解决此类问题的重中之重,本文通过对形状特征的分析和研究,对基于最优阈值的不变矩形状特征提取方法进行了改进。 空间关系表达了图像内部各部分之间的联系,它是图像的另一个信息内容,尤其是图像中含有较多独立的部分以及检索结果强调这些部分的位置关系时,并且目标的形状和大小相对于目标之间的相对位置而言。可以忽略不计时,使用空间关系特征进行检索是一种比较适合的检索方法。本文采用了一种基于状态转移矩阵的空间关系特征提取方法,该方法先对图像进行彩色空间转换,由RGB空间转换到HSV空间,然后对HSV空间的三个分量进行非等间隔量化,把量化的每一份作为一种状态,对于每一种状态在图像中的空间位置关系以一定的操作方式形成马尔可夫链,对得到的马尔可夫链计算其状态转移矩阵,我们把状态转移矩阵构成的矢量作为图像的空间关系特征矢量,然后对DTW特征匹配算法进行改进,并结合相关反馈查询方法对图像库中的图像进行检索。 最后选取互联网上的200幅花卉图像进行了实验,与现有算法进行对比,并得出可行性结论。

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   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。