关键词： 信息检索   结果多元化   数据融合技术   线性组合  

摘要： 近年来检索结果的多元化问题成了信息检索领域的一个研究热点。对于一些语义比较宽泛、有多义性的查询，传统的信息检索系统仅根据文档与查询的相关性返回检索结果，无法满足用户的多元化信息需求。检索结果多元化的目的就是针对于这种查询要求，信息检索系统给出尽可能多种多样的文档，以满足不同用户的信息需求。这就意味着对于新型的信息检索系统，选择文档时不仅要考虑文档与查询之间的相关性，而且要考虑检索结果中文档的多样性。\n 另一方面，信息检索中的数据融合技术通过组合多个成员检索结果以得到更有效的融合结果。以往关于数据融合的研究表明数据融合方法能够提高检索的性能，但是检索结果的多元化并不在考虑的范围内。因此对于检索结果的多元化问题，研究如何采用数据融合技术来处理。论文的主要工作如下:\n (1)对于数据融合中必要的分数规范化环节，分析已有的分数规范化方法，提出一种新的基于文档排名位置的对数模型规范化方法。通过实验比较一组分数规范化方法。实验结果表明所提出的分数规范化方法具有比现有方法更高的有效性。\n (2)分析已有数据融合排名算法对检索结果多元化是否适用，是否有改进的空间。特别是针对其中的线性组合法(Linear Combination method)，在权重分配策略上寻找适用于检索结果多元化的方案。对已有的检索系统有效性权重（performance-related weight）做出调整;对于差异性权重(dissimilarity-relatedweight)做出新的设定，提出一种基于文档排名位置的成对差异性权重算法(pair-wise rank-based method)和一种基于文档引用的差异性权重算法(reference-based method)。此外，分析了基于线性回归的权重分配策略，对其在检索结果多元化上的适用程度做出了相关评价，并给出了改进方案。\n (3)同样是针对线性组合法中的权重分配策略，提出一种新的权重影响因素——补充性(complementarity)，用于衡量一成员检索系统相对其他系统在相关子主题上的补充程度，作为文档多样性的形式化表现。实验表明该方法可显著地提高融合算法的有效性。\n 本文从数据融合角度处理信息检索中结果多元化问题，对已有数据融合技术做出了评估与改进，以往很少有这方面的工作。具体的创新点包括:\n (1)提出了一种基于文档排名位置的对数模型，用于数据融合分数规范化。\n (2)评估了若干数据融合中典型的排名算法。给出了有关系统有效性权重和差异性权重的不同定义，提出了两种计算系统差异性权重的算法。\n (3)发现一种影响线性组合权重分配策略的新因素，即检索结果之间对于子主题的补充性，基于此概念定义了一种成员检索系统的补充性权重，据此可使线性组合技术更为有效。

关键词： 行业信息检索系统   搜索引擎   分词策略   命名实体识别   对比测试  

摘要： 全文信息检索是当今计算机领域应用最为广泛的技术之一，互联网搜索引擎作为通用信息检索系统的代表，在人们的日常工作和生活中已经扮演着重要的角色。与此同时，随着信息时代的到来，办公自动化得到了广泛普及和迅速发展。这使得各种行业领域的专业数据量呈现出指数级增长，海量的信息资源带来了大量复杂而且专业的信息检索需求，但通用信息检索系统由于自身的诸多限制和弊端，在这些专业行业领域的检索效果并不理想。而传统的行业信息检索系统因为起步晚、发展慢，在新技术新形势下面临着前所未有的挑战。\n 论文以某行业信息系统为例从理论和实践两个方面对行业信息检索系统中的关键技术做了深入研究。\n 本文首先介绍了信息检索的定义、发展和评价指标。其次介绍了根据分词方式进行分类的两种信息检索系统，并指出了他们各自的优势和局限性。介绍了命名实体识别的定义、主要方法和评价指标。进而针对行业专用信息系统领域特点，分析了其在数据源和信息检索需求方面的复杂性和特殊性，创新性的设计提出了二次分词策略和基于域信息的命名实体识别策略。二次分词策略通过结合基于单汉字和基于分词两种信息检索系统的优势，解决了对分词粒度的控制问题和词项位置信息的过滤问题，实现了缩写、简称等特殊检索词的支持。而基于域信息的命名实体识别策略则通过对行业数据源中标注域的有效利用，大幅度提升了命名实体识别效果。\n 为了验证策略的可行性和有效性，本文采用基于Sphinx倒排索引结构建立的纯文本信息检索系统，实现了二次分词策略;以ICTCLAS分词系统为原型实现了基于域信息的命名实体识别策略;并通过真实的某行业信息数据进行了对比测试。\n 实验结果表明，两种策略都可以很好的达到我们的预期目标，满足行业信息系统的检索需求。其中，二次分词策略能够在保证系统正确率的同时有效提升系统召回率达30％、F-1值达15％以上。基于域信息的命名实体识别策略可以在存在标注域的数据集上实现提升召回率30％、正确率5％和F-1值20％以上。

关键词： 文献信息   检索   整理   利用  

摘要： 在网络时代,如何检索文献信息并整理利用已成为人们关注的焦点。简述了整理、研究、利用文献信息时应遵循的原则,介绍了文献信息检索的方法和步骤,对如何整理及利用文献信息进行了探讨,以期为文献信息的检索及整理利用提供更多的选择。

关键词： 多媒体技术   图书资料   信息检索   优化  

摘要： 随着信息科学技术的不断进步,图书馆也将信息技术引入到管理的过程中来,建立了图书资料信息检索系统,给大量的图书管理工作带来了很大的便利,为了进一步扩充图书资料信息检索技术的应用范围和功能,现将多媒体技术与科技图书资料信息检索技术结合起来,扩大了信息空间,实现了信息资源利用的最大化。

关键词： 信息检索系统   检索结果   鲁棒性   风险规避僮   带权邻近度度量  

摘要： 信息检索系统使用日益复杂的模型及技术寻求改进检索结果的质量，在所有查询上取得了更好的平均检索性能的同时，某些查询可能会得到远远差于基准结果的检索结果，这些难以预期的检索性能下降，将大大降低检索用户对系统的满意度。本文的研究目标是最大化信息检索系统平均检索性能的同时，相较于基准的检索结果，最小化个体查询结果质量下降的风险，即检索结果具备较好的鲁棒性。\n 本文针对信息检索系统的结果鲁棒性问题进行了深入的探讨，主要的研究成果包括:提出了一种用来评价多个检索结果的排序的鲁棒性指标。\n 各种检索模型与技术在不同的查询之间存在一定的互补性，为了利用多种模型及技术的不同检索结果实现优势互补来获取鲁棒的检索结果，本文提出了一种针对多个检索结果的排序的风险规避僮(Risk-Averse，RA)评价指标。该指标从相对性能好坏的角度评价多个检索结果的排序的鲁棒性，对更好地实现优势互补具有重要指导意义。\n 提出了基于带权邻近度度量的检索结果平均性能最大化方法。\n 为了最大化检索结果的平均性能，本文提出了带权邻近度度量(Weighted Proximity,WP)方法。该方法不仅考虑了查询词项之间的相互联系，而且对它们的重要性进行了量化。通过为各查询词项赋予不同的权重，能够抓住重点，更快速更准确地度量词项邻近度信息。该方法具有概念简单且计算复杂度低等优点，而且能够无缝地应用到大多数信息检索模型当中。实验结果表明，该方法所能带来的平均检索性能提升幅度远远超过当前最好的词项邻近度度量方法之一CRTER。应用了该方法的模型能够显著地提高检索结果的平均性能。\n 提出了基于鲁棒检索排序算法的检索结果个体风险最小化方法。\n 为了在平均检索性能最大化的基础上最小化个体查询结果质量下降的风险，本文引入更多的已有模型，提出了基于查询性能预测的鲁棒检索排序算法(Robust RankAlgorithm)。该算法以风险规避值最大化为优化目标，学习查询性能预测模型，然后利用该模型对多个检索结果进行排序，根据排序得到最终的检索结果。实验结果表明，与当前最好的检索算法之一LambdaMART相比，该算法在取得了与LambdaMART几乎一致的平均检索性能的同时，显著地减小了个体查询性能下降的风险，使得检索结果具备了较好的鲁棒性。

关键词： 跨语言信息检索   查询扩展   Lucene  

摘要： 互联网的快速发展使得网络资源的表现形式日益多样化,其中信息资源的多语种问题,成为人们获取信息的主要障碍。当用户检索的信息是自己不熟悉的语言时,往往难以获得准确的检索结果。基于Lucene平台设计并实现跨语言信息检索系统,系统在提问式翻译的基础上应用查询扩展技术。实验结果表明,查询扩展技术可有效提高跨语言信息检索的查全率。

关键词： 多媒体   信息检索   数字化   图书馆  

摘要： 随着信息技术的发展和数字化进程的加快,传统的图书馆的管理模式也正在经历着一场革命。本文对什么是数字化图书馆以及数字化图书馆的重要特征和数字化图书馆的发展方向进行了重点研究和论述。

关键词： 信息检索   伪相关反馈   扩展词提取   蒙古文   增量查询  

摘要： 近几年来，互联网技术蓬勃发展，信息爆炸使得人们对于信息和资源的检索提出了更高的要求。随着网络技术的不断发展，信息检索的各项技术以及搜索引擎的性能都得到了很大的提升。\n 在内蒙古，蒙古语是主体民族文字和官方文字，是宝贵的资料和财富，随着蒙古文网站的大量涌现，蒙古族人民迫切需要提高其搜索海量蒙古文信息的效率。蒙古族人民多年来运用智慧，创造出了多种多样的编码，如蒙科立、赛音、国标码等等，每一种编码都有其独到之处。在蒙古文网页中，主流编码是蒙科立编码，这种编码不能够直接应用于国内外主流搜索平台上，也就意味着新的技术改进不能直接应用于蒙科立编码上。因此，在本文中，应用新技术和本文提出的方法针对蒙科立编码的蒙古文进行提高检索效率的研究。\n 为此，我们应用了新增量查询扩展方法，为了进一步提高搜索的效率，还提出了基于binned摘要的扩展词提取技术。新增量查询扩展方法的基本思想是在伪相关反馈的二次检索中，使用初次检索的累加器信息，这样就可以避免扩展后查询中原本出现在初始查询中的词被重复进行查询处理，减少了整个伪相关反馈方式查询的时间，提高了蒙古文检索的效率。本文受binned索引的启发，又提出了基于binned摘要的扩展词提取技术。这个技术经过实验的处理发现对于蒙古文搜索速度的确有所提高。

关键词： 高校图书馆   文献   信息检索   课程   教学  

摘要： 随着知识信息的不断更新,信息检索课已经成为增强大学生信息意识、提高信息素养重要手段.虽然从1984年高校开设了文献信息检索课程,对大学生信息素养提高起到非常重要作用.但学校重视程度不够、馆员素质不高、教学方式方法不科学等问题严重制约了文献信息检索课程的发展.本文归纳了文献信息检索课程存在主要问题,提出了提升校图书馆文献信息检索课程教学效果的策略.

关键词： 图像分割   阈值   区域提取   边缘检测  

摘要： 图像处理和分析的关键步骤是图像分割。本文从图像分割的算法和原理着手,分别介绍了几种常用的图像分割技术:边缘检测法、域提取方法、阈值分割法和结合特定理论工具的图像分割法。并对各种算法进行比较分析,找出各种图像分割方法的优缺点和应用范围。