关键词： 信息检索   倒排索引   向量空间模型   查询扩展   文档重排  

摘要： 随着计算机系统性能的提高,互联网信息的飞速发展,以及企业信息化程度的迅速提高,中文信息资源以极快的速度递增。信息的增加在满足人们对信息需求的同时也给人们快速、准确的查找所需要的信息带来了一定的难度。在这种情况下,信息检索技术成为研究的热点。 信息检索(Information Retrieval,IR),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。信息检索的主要技术包括索引处理、查询扩展、检索模型、重排处理等,中文信息检索还涉及到分词处理。 针对中文信息检索相关技术的研究,本文的研究内容可以分为两个部分。首先,以NTCIR7的中文IR4QA子任务为实验背景,设计并实现了一个中文信息检索系统。系统在索引时对原始文本进行分词处理后以词为单元生成倒排索引,检索部分则采用了经典的向量空间模型。为了解决词不匹配的问题,检索得到初始结果后,利用一种基于局部共现的查询扩展方法进行查询扩展处理。实验结果表明,经过查询扩展处理后,系统性能得到明显提升。对于系统所得结果,经过NTCIR7官方评价工具的评估,可以看到我们的检索系统有较好的检索性能。另外,对特定类型问题进行了文档重排技术的研究。针对检索系统将检索结果反馈给用户时,用户往往只浏览前N个检索结果的情况,本文结合开放性资源维基百科和定义以及人物传记这两种类型问题的特点,将与特定问题相关的维基百科页面引入,以对初检结果进行文档重排处理。实验表明,这种方法能有效提高排在前面的文档的精度。

关键词： 情报检索   教材   高等学校  

ISBN: (纸本)9787030288028

摘要： 本书是在已有教材和教学经验的基础上，充分吸收国内外信息检索技术的研究成果，结合近年网络信息系统和检索工具及工具书的新变化，认真反复推敲撰写而成。全书文理兼容，古今贯通，学科专业分和统一，详简适度，将现代检索技术和手工检索方法有机融合，既有传统特色，又具时代特点。

关键词： 语义Web   信息检索系统   本体   语义扩展  

摘要： 伴随信息社会的高速发展，互联网上的信息资源在数量上呈现几何级增长，在形式上表现为更加多样化和复杂化。基于传统信息检索技术的搜索引擎或检索系统在用户服务的满意度上已经每况愈下。这主要是因为传统的信息检索技术是基于检索词的简单字面匹配进行处理查询操作，而忽略了检索词内在含义及其之间的联系，也无法完整、精确和有效地提取蕴含在资源中的信息语义，所以经常造成了检索结果与用户检索意图相差甚远的情况。针对这些问题，本文提出一种基于语义Web技术的信息检索系统的设想。语义Web不是一个新生事物，而是在当前Web基础上发展起来的新一代Web技术。 它能够明确表达和描述Web信息资源语义，并把信息资源之间关系定义为某种特定的含义，这种以语义Web进行描述和表达的信息资源及其关系的技术，将在很大程度上提高信息资源的共享和利用能力。本文介绍了语义Web的七层体系结构，并深入研究了语义Web三大关键技术：XML、RDF、Ontology。接着介绍了Ontology的构建原则、构建方法和Ontology标注的有关内容，分析了Ontology描述语言OWL的语言层次，阐述了其对语义Web的作用。在此基础上，对提出的基于语义Web技术信息检索系统进行精细的功能需求分析和用例分析，深入探讨系统的框架结构和功能流程，完成了系统的设计。然后，使用多种的工具软件，以教育技术领域为例子开发了基于语义Web技术的信息检索系统。并分析研究了系统构建过程中几个重要模块，它们分别是：资源的抓取或下载模块、资源解析与分析判断模块、索引创建模块和教育技术领域Ontology模块。最后，实现和演示了基于语义Web技术的教育技术领域检索系统。此系统具有了3种检索方式：文献（综合）检索、网络检索和类目导航，检索中实现了语义扩展和语义推理功能。

关键词： 语义聚类   语义空间   独立分量分析   伪相关反馈   查询扩展   语言模型   相关模型   查询模型  

摘要： 随着计算机技术及网络技术的飞速发展,世界上的数据正以惊人的速度增长着。面对现代纷繁复杂的海量信息资源,人们反而有了“淹没在信息海洋中”的困惑。如何快捷、准确地得到所需信息已成为人们关注的焦点问题。信息检索技术能够帮助不同领域的人们从文本、图像、声音等庞大的数据资料中寻找其所需的信息。以信息检索技术为核心技术的Web搜索引擎已经成为人们从互联网发现所需信息的最依赖的工具,显示出这一领域巨大的市场价值和经济利益。在庞大用户需求的驱动下,信息检索技术不断发展和创新,成为近年来信息领域研究的热点。 本文的研究基于统计信号处理技术和信息检索技术的结合,这是源于将文本文档看成不同主题信号混合的产物,利用统计信号领域中独立分量分析(Independent Component Analysis,ICA)技术对文档进行处理,分离的独立分量能很好地表示文档的语义主题结构。基于这一认识,全文以概率模型、信息论、线性代数及有关统计方法为理论基础,配合大量详实的实验分别研究了基于ICA的语义聚类理论模型及其应用、基于ICA语义聚类的相关模型和查询模型的估计,同时还对信息检索领域最常用的查询扩展技术进行了研究。论文主要的贡献和创新之处包括五个方面: 1.提出ICA语义聚类激活的概念,并在理论上证明了利用激活ICA语义聚类下文档估计的语义主题在语义距离上比使用全部反馈文档估计的语义主题更接近于真实语义主题。以用户查询为导向的激活方式在语义上将聚类下的文档与查询关联起来,克服了反馈文档主题分散同现带来的风险。由于激活语义聚类下文档数量是确定的,因此查询扩展或者语言模型估计中避免了设置反馈文档数量这个参数,查询扩展和模型估计更为强健。 2.在相关模型和查询模型的估计中,提出了利用ICA语义聚类信息配合语料集对文档模型估计进行语义平滑的概念,利用语义关键词条聚类强化反馈文档主题模型估计部分,给出了文档未出现词条的语义关键词条聚类概率,克服了传统文档模型估计中只使用语料集模型平滑的不合理性,即未出现词条以相同语料集概率出现在不同文档中的假设的不合理性。 3.利用了文档属于语义聚类的概率作为文档先验概率参与模型估计,一方面区别对待了每个文档在相关模型或查询模型估计中的作用,克服了语言模型估计中所有文档先验概率服从均匀分布这个假设的不合理性;另一方面利用了语义聚类模型参与了相关模型或查询模型的估计,改变了传统模型的估计只使用单一文档模型这一现象,可利用的统计语言模型总集得到扩展。 4.提出了利用语义聚类在用户兴趣和文档之间建立动态语义映射关系,这种映射关系将文档和用户组织在同一类别下,克服了现有文档和用户兴趣之间松散的关系。信息推荐系统利用映射关系主动发现同类中的文档信息推荐给用户。 5.基于潜在语义空间能发现词条同现关系的原理,发现了潜在语义索引技术和独立分量分析技术配合使用时,一方面同现词条可以较好地弥补短文档词条重叠度低的问题,另一方面短文档在ICA语义空间中分类能够改善其分类准确率。

关键词： 情报检索   教材   高等学校  

ISBN: (数字)9787030287687 ISBN: (纸本)9787030287687

摘要： 本书内容包括信息检索与网络知识、信息查询的基础理论、方法、技术与检索策略、检索服务；国内外各类型文献信息检索工具的概述、检索体例剖析、检索实例展示、检索技巧，计算机、光盘、联机检索技术介绍，网络信息资源组织基本原理、主要查询工具、查询方法及发展与研究趋势，检索咨询服务与评价等。

关键词： 情报检索   教材   高等学校  

ISBN: (纸本)9787030269850

摘要： 在六所高校十一位教师的共同协作下，结合多年的检索、查新与教学经验，针对检索系统的快速发展的现实，从培养信息意识、方便使用、提高技能的目标出发，编辑出版《信息检索》教材。内容主要包括四方面：信息素养、信息资源分布与体系、各类信息资源的评价与检索、检索结果的利用。

关键词： 信息检索   查询优化   语义蕴含   Information retrieval   Query optimization   Semantic entailment  

摘要： 问答式信息检索是新一代搜索引擎，它接收自然语言描述的问题，在文档集合中搜索并返回问题的精确答案。问答式信息检索中，检索模块性能的提高将直接影响问题回答系统的整体性能。本文研究系统中的查询优化技术，包括两种策略：基于模式知识库的查询优化；挖掘Web语义蕴含信息，构建查询扩展资源。本文利用TREC提供的问题集与答案集(TREC8-TREC13)做实验来测试查询优化方法的性能，实验结果表明，相对于传统的查询生成，本文采用的查询优化技术在检索精度上取得了提高，t-test结果证明，系统性能提高统计显著。

关键词： 信息检索   查询扩展   检索模型   查全率   查准率  

摘要： 随着互联网技术的迅速发展,网络上的信息呈爆炸式增长,网络技术的发展拓宽了我们获取信息的渠道,然而这些海量信息在给我们的日常生活带来极大便利的同时,也给我们带来很大的困扰,人们在面对这泛滥成灾的海量信息的时候无所适从,陷入了信息量过载的困境。如何从这些海量信息中检索出用户自己所需要的信息己成为信息检索领域一个非常重要的研究课题。由此,搜索引擎应运而生,而由于用户提交的查询与文档信息不匹配和表达不完整等现象的存在,传统信息检索不能满足用户的查询要求。为解决此问题,有些学者提出了查询扩展技术,通过一定的方法和策略对用户的初始查询词进行扩展和重构,从而达到改善检索性能的目的。查询扩展是信息检索中优化查询的一种有效方法,研究信息检索中的查询扩展技术,具有重要的理论价值和实际意义。 本文的主要研究工作如下： 首先,文章说明了本文的研究背景、目的及意义,对信息检索与查询扩展的发展做了简要的概述。随后介绍了信息检索中的一些相关知识与理论并对目前的几种传统查询扩展技术进行了详细地分析与介绍,为本文的研究工作提供了一定的理论基础。 其次,比较研究了三种传统的信息检索模型的检索性能,包括布尔模型、向量空间模型和概率模型。通过分析几种模型的检索原理与检索性能,比较这些模型的优缺点,并在此基础上对传统的向量空间模型进行了改进,提出了一种基于web页面结构的改进向量空间模型,该模型基于html语言的结构信息,将web文本文档的内容划分为标题类、黑体类、正文类3块,根据不同的块在文档中的位置以及对文档的重要程度不同,给各块赋予不同的权重比例系数,对其中的词项权重进行重新调整,以更好的区分相关文档和不相关文档,从而提高检索系统的检测性能。 再之,结合查询扩展方法的不同特点以及检索模型各自的优缺点,在前文的基础上,利用上一章提出的改进的向量空间模型,提出了一种基于web页面结构和用户查询行为的伪相关反馈查询扩展算法,该算法利用本文提出的基于web页面结构的改进向量空间模型在不改变用户查询行为的情况下,结合用户对初检结果的查询浏览行为提取相关文档,然后对初始查询进行扩展。实验表明,该模型比传统的tf-idf算法、基于局部上下文分析的查询扩展算法和基于Apriori算法的局部反馈查询扩展算法的检索性能都有明显的提高。

关键词： 数字化图书馆   文献信息检索   现状与发展  

摘要： 数字图书馆的研究与建设涉及多方面内容,其中文献信息检索技术是数字图书馆建设发展中一个不可或缺的重要方面.本文主要讨论了数字图书馆的兴起和特征,及在数字图书馆条件下对文献检索方式、方法和内容上的变革影响,分析了在此条件下图书馆文献服务重点的转移,提出了数字环境下优化图书馆信息服务的策略,以求得对当前图书馆数字化进程有所帮助.

关键词： 跨语言信息检索   查询翻译   未登录词   译文挖掘   搜索引擎  

摘要： 跨语言信息检索(CLIR)是用户采用一种语言的查询检索另一种语言的文档集合的过程。查询翻译是CLIR系统中采用最广泛的方法。查询翻译普遍采用基于词典的方法,而查询中的未登录词(OOV)使CLIR的性能显著降低。因此如何正确翻译查询中的OOV成为查询翻译的关键问题。 互联网上存在数量巨大的双语语料库资源,因此可以利用这些资源构建双语语料库。通过充分利用丰富网络资源,解决了基于语料库查询翻译中存在的语料库规模小、领域不相关、更新不及时等问题。首先分别从互联网抓取双语资源;其次采用各种特征进行语料库对齐,从而构建语料库;最后从所构建的语料库中抽取翻译知识进行查询翻译。从语料库中抽取的高质量翻译知识能显著提高OOV译文的覆盖度。基于搜索引擎的查询翻译方法利用了搜索引擎OOV译文高资源覆盖度的特点,从搜索引擎挖掘译文用于查询翻译。通过跨语言查询扩展提高所获取的摘要资源的质量;通过基于频度变化信息和邻接信息的候选单元抽取方法从所获取的双语摘要资源中抽取候选翻译单元,该方法提高了候选翻译单元的质量;综合利用频度-距离模型、表层模板匹配模型和音译模型从候选翻译单元中选择最佳译文用于查询翻译。从搜索引擎挖掘的译文极大提高了CLIR的性能。 对采用基于词典的查询翻译方法、基于语料库的查询翻译方法以及基于搜索引擎的查询翻译方法的CLIR进行了性能比较,探索各种方法中影响检索性能的因素;并将各种查询翻译方法进行有效综合,实验显示综合方法能进一步提高检索性能。