关键词： 数字信息时代   科技文献信息   检索   途径   方法  

摘要： 　本文通过介绍数字信息的来源与类型,数字信息的组织与管理及常规的科技文献信息检索途径及方法,以期能帮助教学及科研人员掌握相关的检索及导航工具,迎接新知识、新信息、新技术的挑战,在科技信息浪潮中勇往直前,达到事半功倍的效果.

关键词： 信息检索   数据挖掘   数据处理  

摘要： 在信息量极大丰富的网络资源中,蕴含着大量潜在的有价值的知识。搜索引擎只解决了信息查询的问题,而网络数据挖掘是为了揭示数据中隐含的知识,它是比信息检索层次更高的一种技术。它能够根据用户定义的要求,根据目标特征信息在网络上或者数据库中进行有目的的信息检索。通过信息检索和网络数据挖掘的比较分析,以及搜索引擎的功能分析来阐述数据挖掘在搜索引擎基础上的作用发挥。

关键词： 交互语音应答(IVR)   音频信息检索  

摘要： 针对频繁的语音交互是交互式语音应答业务推广的最大障碍问题,在分析了音频信息检索技术与IVR业务特点的基础上,提出了将音频信息检索技术应用于IVR业务的策略和方式,不仅能有效简化语音交互过程,还能提供新的业务类型.实验结果表明,本文提出的分段式音频检索算法具有对查询输入数据的长度要求低、检素速度快、检索性能高等优点,适用于IVR中从音乐到音乐的检索.

关键词： 音频检索   特征提取   语音识别   音乐检索  

摘要： 音频检索同其它任何检索一样,是从查找到匹配信息的机制。本文从语音技术检索、音频检索、音乐检索等几个方面介绍了音频信息检索技术特点,提出了一种基于示例查询的音频检索方法,包括音频特征提取、相似音频检索,最后提出了有待继续研究的问题。

关键词： Web信息检索   主题提取   链接语义分析   锚文本   文档检索模型   布尔扩展模型  

摘要： 随着Internet及大容量存贮技术的迅速发展，Web上的信息日益丰富。从海量、异构的Web信息源中获取用户所需要的知识是一项很难的事情，同时也是一项亟需解决的问题。Google，Altavista及百度等搜索引擎的出现，为用户在互连网查找信息提供了便利，但是目前搜索引擎返回的文档质量参差不齐，难于满足用户对高质量检索结果的需求。针对目前Web检索结果质量不高的现状，“寻找与用户查询相匹配的高质量文档”也就是“主题提取”成了Web信息检索的研究热点。\n　　本文对目前信息检索的各种关键技术进行了概述：介绍了传统的文档检索模型以及三种经典的链接分析算法，并对评测文档检索性能的各项指标进行了简要介绍。\n　　在现有基于内容匹配的布尔扩展模型——最短片断模型的基础上，提出了一种使用链接语义分析的主题提取算法。通过引入概念层次树及使用概念距离来计算网页间的相似度，改进了HITS算法中扩展集的质量，从源头有效地抑制了链接分析算法的主题漂移现象；通过链接分权以及结合文档的内容语义，消除了垃圾链接并进一步排除了与查询主题无关的页面。最后，通过对文档的页面内容，结构信息，锚文本信息以及链接信息等特征的综合评分，得到最终的返回结果列表。实验表明，这种方法行之有效，能够较大程度地改善主题提取的质量。\n　　最后设计并实现了基于以上算法的Web信息检索系统，并对其中的主要数据结构及索引创建过程进行了介绍。在TREC2003的主题提取任务上的实验表明，性能得到了较大的改善。论文最后对实验结果进行了比较分析。

关键词： 培养创新人才   文献检索课程   文献信息检索   网络通讯技术   重要组成部分   科学技术   信息时代   新型人才   现代社会   社会经济   情报部门   工作素质   才能   学习  

摘要： 随着科学技术和网络通讯技术的飞速发展，社会己经进入信息时代，因此作为现代社会的新型人才，必须掌握文献信息检索这一重要工具，才能适应科学技术、社会经济飞速发展的局面，才能利用文献信息为学习、工作和研究提供更多的方便。现代文献信息检索理论与技术，已不再是情报部门的专用技术，它已经成为当代人才具备科学工作素质的重要组成部分。

关键词： 信息检索   检索系统   发展趋势/视频检索   图像   信息检索技术   视频检索   应用   技术特点   发展趋势   国内外  

摘要： 今天视频检索的重要性已经越来越被人们所重视。本文总结了视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   鲁棒性   自然语言处理   机器学习   TREC评测  

摘要： 如何有效提高信息检索技术的鲁棒性是本论文研究的中心内容。本文第一章首先简要介绍了信息检索的关键技术和研究趋势，指出了文本信息检索的三大关键技术：“查询处理”、“相似度计算”和“结果排序”，并相应地提出了论文工作的基本思路：在上述三大关键技术中，引入自然语言处理和机器学习的方法，期望以此提高检索的鲁棒性。随后，第二章和第三章分别介绍了将自然语言处理和机器学习技术应用到信息检索中的若干模型，并对这些模型在TRECRobustTrack大规模标准语料库上的实验结果进行了详细分析。接着，第四章介绍了我们NLPR参加TREC2004评测的基本情况以及经验总结。最后，第五章给出了论文工作的总结和展望。\n 概括来说，本论文主要有如下几项工作：1.提出词义熵模型，利用Wordnet提供的结构化的词义知识，帮助确定查询项的权重。实验表明，词义熵模型与当前常用的TF*IDF权重计算公式联合使用，能有效提高检索系统鲁棒性。\n 2.利用自然语言处理中命名实体和复合名词的概念，提出了加入名词性多词组合的矢量空间模型，以及来源于语义张量概念的核心窗口模型和改进的动态核心窗口模型。实验表明，这三个检索模型都能在一定程度上提高检索系统的性能。\n 3.对于如何有效融合多个检索模型，本文详细研究了两大类方法：基于结果的融合方法和基于查询词的自动模型选择方法。对基于结果的融合方法，本文提出了三种方法：简单合并方法，得分归一化方法以及文本聚类方法。对基于查询词的自动模型选择方法，本文引入了三种新的查询项特征，并分别采用了两种分类方法：KNN和SVM分类器。实验表明，两类融合方法都是有效的；KNN分类器的准确率要高于SVM分类器；引入的新特征都可以改善系统性能；保持特征空间维数在一定范围的情况下，组合特征也有助于提高分类器准确率。\n 4.

关键词： 信息检索   资源特征   节点资源特征   节点描述  

摘要： 本论文讨论了如何在P2P系统中通过发掘、利用资源特征，来实现基于内容的文本检索。\n 各类文本文件是P2P文件共享系统中共享文件的重要组成部分。作为知识的直接来源，文本文件是一类重要的共享资源。对于文本文件的有效利用，依赖于高效的信息检索技术。因此P2P系统中的信息检索(P2PInformationRetrieval，P2PIR)有着比较重要的研究价值。同时，作为分布式信息检索(DistributedInformationRetrieval，DIR)中的一个特殊问题，P2P系统中的信息检索面临着许多困难。这些困难既包括原先DIR中所没有很好解决的遗留难题，同时也包括P2P系统的特性所带来的新的难题。上述困难使得P2PIR成为了一个非常有挑战性的研究课题。\n 本文的研究工作基于两个前提：理性用户和节点内文档按主题分类。根据现有的P2P系统的有关统计数据以及文本处理技术的发展，我们认为上述前提条件有望得到满足。基于这两个前提，为了便于问题的讨论，我们明确了所要的解决问题：如何在节点内文档都是关于相同主题的P2P系统中进行基于内容的文本检索。对于这个问题，我们提出了通过充分发掘和利用节点内资源的特征来提高检索性能的检索策略。这里的资源是指节点内的文档集。资源的特征是指文档集表现出的与文档集主题相关的统计信息。\n 具体说来，我们的研究内容主要包括：\n 1.基于资源特征的P2P社区的形成技术。P2P社区是由相似节点构成的节点集合。所谓相似节点是指节点内的文档集拥有相同的主题。我们提出了一种基于节点描述的相似节点发现方法。通过结合主题模型和模糊理论，我们解决了节点描述的生成和基于节点描述的节点相似度判定问题。实验表明，较之于传统的方法，我们提出的节点描述机制能够更加准确的发现相似节点。这个性质在P2P系统中表现得尤为明显。以准确的相似节点发现机制为基础，我们提出了基于纯粹P2P模型的自动、自治的P2P社区形成机制。模拟实验表明我们的社区形成机制是可行而有效的。同时，我们也提出了用于量化评价社区形成机制性能的3个指标：完整性、正确性和高效性。\n 2.P2P社区内的检索技术。形成的P2P社区为信息检索提供了一个好的环境。从理论上说，在P2P社区内进行检索，可以花费较小的代价而取得较好的检索效果(查全率/查准率)。为了有效地组织和管理社区内的节点，我们采用了一种混合型的P2P网络拓扑结构。根据混合型网络拓扑结构的特点，我们将P2P社区内的信息检索划分为3个过程：节点内的检索、组内搜索和组间搜索。对于节点内的检索，我们通过两种不同的数学手段(矩阵计算技术和统计推断技术)推导出了一种新的词条权重计算方法：MI×RDF。该计算方法有效的解决了同构文档集中的信息检索问题，为取得好的检索结果打下了坚实的基础。对于组内检索和组间检索，为了减少查询开销、提高检索效率，我们选择部分与查询相关度高的节点来执行查询任务。实验结果表明，在较小的查询开销下，通过采用上述方法可以取得较好的检索结果。\n 3.基于资源特征的查询优化技术。对于没有P2P社区存在的系统，我们提出了一种查询优化机制：SDQE(SemanticDuralQueryExpnsion)。在SDQE中，我们利用LSI(LatentSemanticIndexing)技术实现了查询扩展。我们认为查询扩展的结果反映了不同节点内资源主题的统计特征。通过比较不同文档集的特征，SDQE实现了查询优化，从而部分的解决了VSM模型中的同义词和多义词问题。实验表明，通过采用SDQE机制，P2P系统内的文本检索引擎的性能可以得到较大的提高。\n 结合自动分类/聚类技术，经过适当的扩展，上述方法都可以适用于节点内包含多个主题的文档的情况。\n 总的说来，本文的主要贡献(创新点)如下：\n 1.通过有机的结合主题模型和模糊理论，提出了一种有效的基于节点描述的相似节点发现机制。该发现机制有较好的数学基础。\n 2.以准确的发现相似节点为基础，我们提出了P2P系统中基于任务的P2P社区形成机制。与其他社区形成机制不同，我们提出的社区形成机制通过利用节点的资源特征，实现了在纯粹的P2P系统中以完全自动和自治的方式形成社区。同时，我们提出了用于社区形成机制评价的3个量化指标：完整性(HCS(T))、正确性(E(Ci))和高效性(()(S))。这3个量化指标的提出使得各种在纯粹的P2P系统中完全自动和自治的社区形成机制相互之间的比较成为了可能。首先提出这3个量化指标，也是我们工作的一个贡献。\n 3.在社区内的文本检索中，我们采用了一种新的词条权重计算方法：MI×RDF。该方法有较好的数学基础。在社区内的检索中，我们提出从“质”和“量”两个方面来考察节点与查询的

关键词： 近似信息检索   上近似   最小上界   概念合取  

摘要： 本文研究了基于多元界的近似信息检索技术，考虑了概念合取和析取之间的蕴涵关系来得到概念的最佳近似。定义了最小上近似和最大下近似两种概念的最佳近似。将概念的最小上界和最大下界扩展为多元界：引入概念的析取定义概念的多元最小上界，引入概念的合取定义概念的多元最大下界。证明通过概念的多元最小上界可以得到概念的最小上近似，通过概念的多元最大下界可以得到概念的最大下近似。通常多元界中可能包含大量冗余，增加了概念近似表达的复杂度，降低了查询效率。定义了概念的最简多元最小上界和最简多元最大下界去除这些冗余，并提供两个有效的算法寻找概念的最简多元界，算法被证明是正确和完备的。