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： 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。

关键词： 语义Web   本体   智能信息检索   语义检索  

摘要： 随着Internet的快速发展，Web已经成为全球最重要的信息源。搜索引擎作为获取信息的主要工具，为用户提供了一种可以方便快捷地检索这些信息的途径。但是由于缺乏一个强大的语义模型作为支撑，传统的搜索引擎只能采用较为表层的、基于关键字的方法，对于实现高层的智能化应用造成了极大的困难。如何使当前Web中的信息资源具有应用程序可以理解的含义，并根据资源所具有的领域知识，实现语义检索，提高信息资源的利用率，这些问题是信息检索领域所面临的挑战。 作为Web技术的提升与发展，语义Web是对当前Web的扩展，其上的信息被赋予定义良好的含义，能更好地使计算机和人之间进行协同工作。语义Web研究的主要目的就是增强Web资源的语义表示，包括对Web资源的内容意义和功能能力进行描述，使语义得以显式地表达，以满足分布式主流计算环境下语义互操作性的需要，使软件Agent对Web上异构和分布信息进行智能的、有效的访问和检索。 针对目前Web信息检索中存在的主要问题，本文把语义Web的资源描述框架(RDF)，RDF模式(RDFS)，Web本体描述语言(OWL)技术有机地结合到信息检索中，提出了一种基于OWL的智能信息检索模型。该模型试图在当前搜索引擎技术的支持下，通过知识库中对Web资源的OWL本体描述实现用户对文档库的语义查询，适用于解决当前Web环境下，如何帮助用户快速准确地获取信息资源的问题；同时，在对模型中查询过程分析的基础上，重点介绍了一种相关度排序方法。该方法综合语义检索和关键字检索两种情况，确保在知识库信息不完备的情况下，模型能象传统搜索引擎一样正常工作。

关键词： 情报检索   教材   计算机网络   高等学校  

ISBN: (纸本)9787030198013

摘要： 本书主要针对电子、信息技术类大专院校学生掌握信息获取意识和能力的培养，以中文信息、电子数据库和网络信息等内容为主，详细、系统的介绍了文献检索原理、检索方法、检索工具等。摒弃了以前多种文献检索类图书中关于手工检索的内容，以大量图文并茂的最新实例对电子……

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： XML   检索   索引   树模型   匹配   相关度  

摘要： 因特网诞生以来，网络信息资源急剧增长，如何利用数据检索技术有效的发现和使用资源成为亟待解决的问题。XML具备许多HTML没有的优点，实现了内容、结构和表现三者的分离，因此适于数据表现、交换及存储。同时，它是一种半结构化文档，其结构信息使得文档不仅能够被计算机所理解，同样适合人类阅读。而且，XML较HTML更加适合应用于网络和检索。因此，越来越多的数据开始使用XML进行描述、存储和交换，XML正逐渐成为Web舞台上的新星，取代HTML成为Web数据表现、存储、集成和交换的标准指日可待。 如何有效地利用、加工、分析和处理XML，目前已经存在一些XML的索引、查询和存储管理技术方面的研究成果。本文在前人已有工作的基础上，针对XML文档的具体特点，从检索原理、数学模型、关系数据库实现等方面研究了已有的技术和实现手段，就XML文档检索模型的主要技术问题，给出一个支持中文的XML文档检索的总体框架及其主要功能模块，并提出一种索引技术和模糊查询方案。具体就是基于数据库存储，充分利用成熟的数据库系统以简化对并行处理、数据恢复、事务处理的系统实现;通过对已有两种基于关系数据库索引不足的分析，提出一种新的索引技术，取得查询效率和存储开销的最佳权衡;利用树匹配模型，在树嵌入和树包含匹配模型上，提出一种支持模糊查询的树扩展包含匹配模型，并在此基础上进行查询结果的相关度计算，考虑到XML文档的结构特性，对向量空间模型进行改进，关键字结构分布也考虑其中。 最后，设计并实现了一个基于改进向量空间模型的原型检索系统。

关键词： 中小学   信息检索与利用课程   信息素养   教学内容  

摘要： 上海市中小学开设“信息检索与利用”课题组对在中小学开设信息检索与利用课的相关问题进行了探索和研究,提出现阶段在中小学开设该课程的思路,探索了开设这一课程的必要性、可能性、教学对象、教师、教学方法、评价等理论和实践问题。

关键词： 分布式信息检索   文本聚类   K平均聚类  

摘要： 介绍了一种基于主题的分布式信息检索方法,并对算法的有效性进行了深入的分析。该文通过文本聚类方法,把文档按照主题的方式来划分,经过实验发现查询答案明显地汇聚在少数的文档集合中。由此表明,基于主题的分布式信息检索方法比传统分布式信息检索方法在检索效果上有了显著的提高。

关键词： 信息利用   信息检索   校本选修   高中   信息技术教学  

摘要： 随着信息技术的发展,培养中学生的信息意识及信息技能迫在眉睫,在高中开设“信息检索与利用”的校本选修课程,是信息技术教学的有效补充。本文从教学目标与内容设置两方面对在普通高中开展“信息检索与利用”校本选修课程进行了初步探讨。