查詢(xún)擴(kuò)展技術(shù)研究.pdf

1、隨著web的迅速發(fā)展，人們從互聯(lián)網(wǎng)上可以獲取資料變得越來(lái)越多。與此同時(shí)，互聯(lián)網(wǎng)也以其巨大的信息量給人們帶來(lái)了前所未有的沖擊。在用戶(hù)利用web搜索引擎查找信息的過(guò)程中，往往出現(xiàn)用戶(hù)查詢(xún)與索引文檔信息表示不匹配的情況。例如：在用戶(hù)角度，“秘笈/要訣/絕招/法寶”和“秘訣”是相同概念，而對(duì)于搜索引擎，這是幾個(gè)完全不相同的概念。這種描述不匹配的情況會(huì)導(dǎo)致一些相關(guān)文檔不能被成功檢索出來(lái)。這也是本文重點(diǎn)研究的問(wèn)題。主要工作包括以下方面： 第

2、一，分析研究了已有的通過(guò)詞語(yǔ)擴(kuò)展和詞語(yǔ)重新加權(quán)來(lái)改進(jìn)用戶(hù)查詢(xún)的幾類(lèi)方法的在中文信息檢索中的有效性。 第二，根據(jù)已有查詢(xún)擴(kuò)展技術(shù)在中文信息檢索中有效性的分析，提出了一種基于web資源查詢(xún)擴(kuò)展策略。該策略自動(dòng)從互聯(lián)網(wǎng)上下載網(wǎng)頁(yè)，并對(duì)其進(jìn)行分析并從中提取相關(guān)術(shù)語(yǔ)群用于進(jìn)行查詢(xún)擴(kuò)展。相對(duì)傳統(tǒng)擴(kuò)展方法利用人工構(gòu)建的靜態(tài)語(yǔ)義資源進(jìn)行擴(kuò)展，該策略可以根據(jù)web資源自動(dòng)的構(gòu)建語(yǔ)義資源，具有更好的時(shí)效性和實(shí)用性。 第三，根據(jù)該策略建立對(duì)應(yīng)

3、的擴(kuò)展模型，將從web資源中提取的相關(guān)術(shù)語(yǔ)群和從查詢(xún)文檔集中提取的局部和全局的相關(guān)信息進(jìn)行結(jié)合，并通過(guò)相應(yīng)的選擇算法，對(duì)擴(kuò)展術(shù)語(yǔ)進(jìn)行選擇，在NTCIR-5中文信息檢索測(cè)試集上進(jìn)行的實(shí)驗(yàn)表明，相對(duì)于傳統(tǒng)的查詢(xún)擴(kuò)展，本文的查詢(xún)擴(kuò)展方法在檢索精度上取得了13.1％的提高。 第四，設(shè)計(jì)并實(shí)現(xiàn)了基于相關(guān)術(shù)語(yǔ)群進(jìn)行查詢(xún)擴(kuò)展的檢索系統(tǒng)，此外還實(shí)現(xiàn)了一些傳統(tǒng)的查詢(xún)擴(kuò)展的策略，有利于各種策略之間的比較。綜合運(yùn)用本文中的方法和檢索系統(tǒng)，參加了200