ISBN: (纸本)9787564131487

关键词： 跨汉蒙信息检索   查询翻译优化   基于词对距离靠近和远离模型  

摘要： 随着Internet的发展及信息的全球化,人们对不同语言的信息需求越来越多。对于大多数不精通外语的用户来说,想要获取需求的信息存在一定的难度。因此有研究者提出了对跨语言信息检索的研究,目前在汉英等语言的跨语言检索方面已经有很多研究成果。但是,在蒙古文方面相关的检索还很少。而蒙古文是世界上很有影响力的语言,因此蒙古文信息检索的研究具有非常重要的意义。 影响一个跨语言信息检索系统的性能有很多因素,但最主要的是信息检索模型,其研究内容包括文档和查询的表示方法、评价文档和用户查询相关性的匹配策略、查询结果的排序方法和用户进行相关度反馈的机制。 由于查询扩展方法的好坏直接影响到检索的效果,因此本文提出了基于关联词与共现距离相结合的查询扩展方法,解决汉语查询项到蒙古文查询项进而到蒙古文文档的检索。在本论文中,我们是利用双语汉蒙词典和蒙汉词典对初始汉语查询项进行关联词的扩展,然后再利用共现距离模型对扩展后的蒙古文查询项进行再扩展,最后检索蒙古文文档,得出检索结果。 实验结果表明,蒙古文停用词表有效减少了索引大小,使用stemming规则使得索引中的Term个数减少了将近一半,并有效提高了检索的准确率和查全率；本文提出的基于关联词和共现距离相结合的查询扩展方法在查全率、平均准确率等方面均有一定的改善,有效提高了跨汉蒙信息检索的性能。

关键词： 关键字检索   内容与结构检索   结构上下文   全文检索   覆盖密度  

摘要： 随着XML技术的广泛应用，XML已成为Web上表示和交换数据的标准格式，各个领域不断涌现出大量的XML数据。如何有效检索大量的XML数据，是当前数据库与信息检索等领域中一个亟待解决的热点研究问题。传统信息检索技术在处理非结构化数据的检索上，取得了大量卓有成效的研究成果。XML数据具有半结构化特性，既有结构又有内容，给信息检索领域的研究带来了新的挑战。将数据库技术与信息检索技术巧妙结合，用于解决XML检索问题，已在研究人员中达成共识，为XML检索提供了新思路。 本文在深入分析XML检索研究现状的基础上，以XML检索方式为主线，结合数据库技术与信息检索技术，对XML检索的若干关键技术进行了深入研究，包括XML关键字检索、模糊结构上下文的XML内容与结构检索、基于关系数据库的XML全文检索等内容。具体的创新和贡献如下： 提出了一种基于候选片段语义的XML关键字检索方法。该方法首先根据XML文档树中节点所包含的属性类型数量以及节点的后裔节点数量选择候选节点，以候选节点为中心创建候选片段，将候选片段作为回答XML关键字检索最基本的语义单元;然后，针对候选片段建立倒排索引，在回答关键字查询时，根据XML数据集自身特点和用户的选择返回包含全部关键字的候选片段集合或存在祖先后裔关系的候选片段集合。实验结果表明以候选片段作为XML关键字检索的基本语义单元，能够为用户返回粒度适中、信息比较完整、拥有实际意义的检索结果，并且检索效率也比较理想。 提出了一种模糊结构上下文的XML检索方法。该方法将查询与文档中的结构化约束条件定义为结构上下文，以结构化词项集合表示XML查询和XML文档。在上下文相似度计算方面，综合考虑了上下文之间的最大匹配部分以及各元素的层次权重、元素间的层次相似性等因素，提出了查询上下文与文档上下文相似度计算方法。为有效实现XML内容与结构检索，扩展了向量空间模型，设计了模糊结构上下文的XML内容与结构检索算法。实验结果表明，该方法在检索效率、检索结果上均有较好性能。 提出了一种基于关系数据库的XML全文检索方法ReXFT。ReXFT采用基于模型映射的XML数据存储方案NXRel，能够在关系模型之上自然的体现出XML数据逻辑模型。提出了基于全文检索元素节点的XML全文索引方案，允许用户自定义全文索引路径。ReXFT以W3C推荐的XML全文检索标准作为XML全文检索提交形式，检索语法符合国际标准。综合考虑XML数据层次特性以及检索词之间的逻辑关系、距离、出现频率等因素，提出了一种基于文本覆盖密度的检索结果计分方法。实验结果表明，ReXFT可以有效处理XML全文检索。

ISBN: (纸本)9787302271079

关键词： 语义分析   本体   信息检索   概念相似度  

摘要： 当前常用的信息检索技术主要还是基于关键词进行机械匹配，将研究的重点放在算法的优化上，而忽视了语义方面的研究。这不能从根本上解决语义多重性、检索表示多样性、相关网页漏检、结果排序不规范等问题。本文便是针对当前出现的这些问题展开研究，提出了基于语义分析的信息检索模型MIRSA。本模型主要包含以下四个关键点：歧义消除方法、语义扩展算法、检索词匹配策略、网页排序算法。该模型可有效解决语义多重性问题、避免相关网页漏检、合理提高相关网页的排序。 在基于语义分析的基础上，本文使用了消除检索词序列中多义词无关语义的方法。该方法借助本体特性并利用了概念相似度来获取多义词所对应的不同概念与检索词序列中其它检索词概念之间的相似度，依据相似度的大小来排除多义词的无关词义。在语义扩展方面，本文依据本体树的结构特点，使用了一种检索词语义扩展的方法。该方法在不改变检索意图的前提下丰富检索词序列，避免了相关网页漏选现象，也为相关网页的排序提供了依据。针对扩展后的检索词序列，本文提出了与其相适应的检索词匹配方法。该方法将原检索词与扩展检索词区别对待，充分发挥新旧检索词对检索网页和网页排序的作用。最后，本文将语义分析引入到词频位置加权排序算法中。通过为检索词添加权重，改进型算法可更客观的计算出网页相对于检索词序列的相关度。 本文利用Protégé3.4.7、Nutch1.2等开发工具获取实验数据。结合本实验软硬件开发、测试的实际环境情况，并在传统查准率的基础上引入相对查准率作为数据分析的理论依据。与常用信息检索模型进行对比分析，证明了该模型在减少相关网页漏选、依据网页重要度对其进行客观排序方面的有效性，从实验的角度印证了本论文思路的可行性。

关键词： 移动互联网   信息提取   网页分析   Lucene  

摘要： 随着移动互联网的快速发展，人们越来越习惯于随时随地通过手机等移动终端来上网。在浏览网页时经常会看到网页中会包含大量和我们所关心的内容无关的导航条、广告信息、版权信息以及其他一些信息等。对于移动用户来说，这些信息不仅让他们被动的去浏览而浪费宝贵的时间，而且也因为浏览了这些信息造成不必要的流量浪费。所以如何除去网页中多余的信息，让网页为用户做出需求应答时所展现的内容只是用户想看的内容，这是非常有必要的。比如，用户只想获取一个词的名词解释，那搜索引擎返回的结果就是单纯的名词解释。基于这一点，本文在研究了网页净化的相关技术和Lucene搜索引擎的基础上，开发设计了一套适合手机等移动终端获取主题文本信息的搜索系统。 首先，论文对本系统需要用到的相关技术作了大致的介绍。主要研究了网页净化领域的相关技术，包括网页适应、网页分割和网页主题信息提取，同时，对Lucene开发工具包的技术和应用特点作了重点介绍，主要涉及Lucene的索引和查询，还有分析了自动摘要和正则表达式。 然后，论文针对本系统的两个重要模块分别作介绍。一个是网页预处理模块，基于对网页净化技术的研究，采用信息提取的方法实现对主题信息的获取；另一个是信息检索模块，所检索的信息就是网页预处理模块得到的主题信息。在改进的中文分词的基础上，采用Lucene搜索引擎包实现对信息的索引和查询。 最后，论文对整个系统的设计进行了介绍。系统实现了网页搜集，网页预处理和内容服务三个模块，完成了根据用户输入的关键字提供给用户文本信息服务的功能，实验证明这种方法既能提高查询的准确率，也大大的减少了网络流量。

关键词： 语义网   本体   主题检索   语义相似度   查询扩展  

摘要： 随着互联网的不断壮大，WEB已成为当今最大的信息载体，是人们获取信息的主要来源。信息检索技术作为人们获取信息的最主要的手段之一已得到了迅速的发展，但日益增长的网络信息资源，使得人们准确检索的需求并不能得到很好的满足，同时，WEB信息也无法被自动处理和有效利用。其中，最主要的原因在于：过大的资源基数使得通用检索系统返回的信息广而不精，且主题漂移现象频繁出现，用户将浪费较多的时间和精力来获取有用信息；另一方面，语义孤岛现象，即网络信息异构、服务异构以及人机理解的差别使得检索系统的有效召回率和召回精度都大打折扣。 作为语义网核心的本体技术承担着语义表达的重要责任，通过本体支持语义，支持人机之间的交流，从而实现机器智能，为Web的发展带来了新的契机。本体在主题搜索引擎中的应用，必将对信息检索系统的易用性和效率产生极大的改进，从而最大程度迎合用户的检索需求。基于此，本文设计并构建了一个基于本体的主题信息检索原型系统，力求一定程度上提高信息的有效利用率和检索系统的效率。主要研究内容和创新有如下几个方面： ①构建了一个计算机技术领域中文本体。在现有本体理论、构建方法和技术的基础上，综合应用需求，对传统的本体建模方法进行了改进和完善。一方面，为确保概念的质量，本文综合筛选科研文献关键词、分类主题词表和一些通用知识库中的概念；另一方面，以应用需求为导向，明确本体构建目的，一定程度上减少了细节的干扰。基于此，论文设计并半自动构造了一个计算机技术领域的中文本体，并进行了相关查询实验，为进一步基于本体的语义信息检索应用研究做铺垫。 ②基于本体的查询扩展实现。基于关键词匹配的通用搜索引擎无法应付语义孤岛现象，因此，我们采用概念匹配，即对其进行语义扩展，以求解决相关、相似的信息由于主题词表达方式的不同而无法被系统检索和返回。本文的查询扩展主要是基于概念间的关联程度。鉴于两个概念之间的关联度不仅与其概念之间定义的内在关系（包括公有属性等）有关，还与其在本体树中的分布距离相关，也即由结构内和结构外两因素主导，前者简称为相关度，后者为相似度。本文在现有相似度算法研究基础之上，综合需求，对最终概念关联算法进行了改进，并以此设计和实现了一个适合本文原型系统的扩展算法。 ③基于本体的主题信息检索原型系统的设计与构建。包括本体查询子系统和Web主题语义检索系统两大模块。一方面，为了方便用户对领域概念和知识系统进行了解和随时查询，同时也为规范主题信息检索系统中查询的概念表述，论文设计并构建了一个简单的本体查询子系统，查询内容有本体概念、属性以及关系等，并以本体树的形式对本体进行整体表述。另一方面，在已研究实现的领域本体、概念相似度计算以及查询扩展模块的基础上，论文设计并成功实现了一个Web主题语义检索系统，以期改进通用搜索引擎的效率。 为了验证改进算法的有效性以及检索系统的效率，文章最后进行了对比实验，实验结果表明，基于本体的主题查询系统能很好的扩展并返回查询相关信息，一定程度上提高了基于关键词匹配检索系统的召回精度和召回率。

关键词： 信息检索   本体   查询扩展   Jena  

摘要： 近些年来，随着信息技术的快速发展，用户获取信息资源的需求不断增强，众多的信息检索系统被开发出来，方便用户获取其感兴趣的内容。传统的信息检索工具提供给用户的主要是基于关键词匹配的检索接口，但是在很多情况下用户真正的检索意图很难用几个关键词表达清楚，因此导致现有检索系统的精度不高。要提高现有检索系统的精度，就必须将信息检索从目前基于关键词层面提高到基于知识层面、基于语义层面来组织和表示信息，设计合理的智能信息检索系统。 本体因为具有良好的概念层次结构和对逻辑推理的支持，已被广泛应用于知识工程、系统建模、信息处理、自然语言理解、数字图书馆、语义Web等领域之中。而把本体融合到传统信息检索技术中去，不仅可以继承传统信息检索的优点，还可以克服基于关键词信息检索不能对概念关系进行处理的局限性。本文即以本体为基础，结合传统信息检索技术构建了一个基于本体的文本信息检索框架OTIRF。 首先，本文归纳了传统信息检索存在的问题，分析了基于语义的信息检索的特点以及本体在其中发挥的作用，总结了语义检索领域的国内外研究现状，论证了利用本体技术解决上述问题的可行性。 其次，研究了本体的建模元语及层次结构和信息检索领域的相关技术，提出了基于本体的文本信息检索框架OTIRF，介绍了其中的两大关键技术：查询处理和本体推理。 然后，阐述了OTIRF的系统构成，研究了框架中主要模块所使用的关键技术。在查询处理部分，提出了两种查询扩展方法，并给出了查询结果排序的计算公式;在本体推理部分介绍了描述逻辑的的概念和推理算法，并研究了基于Tableaux算法的本体推理在框架中的应用。 最后，在对课题中关键技术充分研究的基础上，将OTIRF应用在石油测井领域，设计并实现了一个测井数据检索系统WLDRS。

关键词： 内容感知存储系统   信息检索   索引分割   重复数据删除   信息生命周期管理   相似性查询   数据相关图  

摘要： 随着信息技术的日益发展，信息资源呈现出爆炸性增长的态势。数字资源的急剧增长导致有效数据通常被淹没在信息海洋之中，单靠人工或传统查询工具将很难迅速定位所需信息。由于信息检索技术可从大规模信息系统中快速、准确、全面地获取有效信息，因此它被认为是解决上述问题的最佳途径。现有研究围绕着提高存储系统智能化程度、增强异构信息检索能力和提升查询结果相关性等方面展开，但是存储与查询功能的相对独立使得存储系统很难理解所存内容、并依据感知到的信息进行查询优化操作。为了将信息检索领域中的相关技术移植并应用于存储领域，在研究内容感知存储系统架构的基础上，探讨了该系统中的信息组织、索引和检索机制，从系统结构角度提供了一种有效融合存储与检索功能的整体解决方案。 为解决存储系统缺乏内容感知能力的问题，设计了一种跨越存储栈的信息扩展与传递机制。该机制根据应用层的具体需求抽取上层语义信息并作为扩展信息保存，然后在传统的数据I/O通道上扩展元数据I/O通道实现扩展信息的传递，存储系统通过解析此类扩展信息获取语义内容，进而实现在存储系统内部感知和使用上层信息以优化系统整体性能的目的。在该扩展传递机制的基础上设计并实现了内容感知网络存储原型系统。 为充分利用存储系统感知到的各类信息，为使用者提供高效、便捷的查询服务，提出了内容感知网络存储系统中的两阶段检索策略。由于存储系统中的查询需求主要来自系统管理员对元数据的查询，以及普通用户对关键字内容的查询。这两类查询通过对元数据和关键字分别建立索引来提升系统查询速度，但存储系统自身所具备的特性并没有被用于优化上述查询过程。所提出的两阶段检索策略将基于元数据和关键字的查询与底层存储系统的块相似性查询相结合，提升了系统的整体查询效率。 为有效衡量索引优化操作对系统性能的影响，提出了基于分级存储的索引分割机制及开销模型。随着存储系统中信息量的不断增大索引所消耗的空间也在同步增长，有些索引在生成之后几乎不会被检索到，因此并非所有索引都拥有相同的访问频率。据此索引优化算法按照访问频率对索引进行分割和分级存储，将不常用的索引存放到低速存储设备上以节约成本，并分析了索引分割对查询命中率、索引空间开销以及查询时间所造成的影响。 为满足用户对于相似性查询的需求，提出了基于内容哈希的数据相关图构建方法。由于存储系统通常采用层次结构来组织和管理数据，这种层次化设计思想通过标准的接口在各层间传递特定的信息，它隐藏了每一层所不必关心的信息，但也约束和限制了扩展信息在各个层次间的自由流动。所提出的数据相关图构建方法以存储系统中的重复数据块为桥梁，通过打破层次壁垒在多层信息之间建立起联系，生成具备全局特征的完整数据相关图，为将信息检索领域的相关理论引入存储系统奠定了基础。 为解决用户查询请求过于宽泛或精细时无法得到预期查询结果的问题，结合数据相关图对两阶段查询机制中的排序算法进行改进，提出了块相似性度量算法。该算法将信息检索中网页排序算法的核心思想引入存储系统，以重复数据删除计算所得到的重复数据块作为生成数据相关图和衡量数据相关度的依据，改进了现有的相似查询和相关度计算方法。该解决方案反映了数据的内部结构特征，降低了查询失效率、提高了查全率。 从上述多个方面开展深入研究，经过模型建立、算法生成、理论分析、实验验证等步骤，将内容感知技术和信息检索关键技术引入到存储系统中，提升了存储系统的智能化程度和信息检索能力。

关键词： E-Learning   信息技术   信息检索课程   研究性教学模式  

摘要： 本文分析了几种信息技术与课程整合的教学模式,以信息检索教学为例,探讨了在E-Learning环境下借助课程教学网站将信息技术与课程整合的研究性教学模式,阐述了其整合方式和实施过程,对师生的要求及对教学效果的评价方法等。