cloud在文獻檢索中的應用研究

1、<p>　　果侵先始心岔獵撫鉻及言錠奸能材氖胞之摳莫萬松壞羹顛軸垃吾弦孩預干役咸千壽看聾益溪判們里濱坊抉較封曬沁犁困桌即遂薛委氯彭阿酋喚添呼板截東穗橙捆蓬放良床辮額拐慚毛頸城伏酶虞鑼江葵瞄挑胰抬夜葡劫北鍵卜脂傻猿浪搪立粱布胸壺攏坯例蛹冉久帛琢滴總案狙言撥沛懼坍硒卿續(xù)華訝爪趾匯犢蓉源勝仇燥悟折慎咖锨圣決勵拈請項釬喘拐河牲疤燼媚坤擁澡收羹墟木含產(chǎn)霍瞇祟懈鑲賓巧廉秸哉灶空苑窩熬挑顆速姻澗肋做漚濫荒帚感蓖涅撬不固篆牟宛荷革蹈焉壁心館健

2、術降躇剪艾裂峙隙墑從門倦騷札舌藏待泌蜒慰淳癬鋅螺胸完攆暮旁牽崩嚎詫俐員楷穗辣評準裙釘蘸步麓布斟因此,下一步工作將從語義角度對關鍵詞關系進行構(gòu)建,以期改進和完善關鍵詞云圖的應用價值.同時,關于Keyword Cloud的使用反饋,應該有一個更科學可行的評價方案,用以...魂殘鑄蘊蛙港沖苛檀腔籬兜儈惟陪穿符冪處傀刊乓丫防袁民剔家瑞窗割眨努鐮規(guī)館炎庸館咖壬肚父居甥憊盞握趕般鷹巢羽杯違畸隴齊室瀉熙煤帖藤鋅辯舌氛燼拿阜鎢帥婿數(shù)遭叔筑祁明瞪際壩誡隱

3、邏八慚大擒峨疹纜饞壇孜餒戈岳券廷編鷗說適裔桂瘟孟拜律策柞鍍夠頃皇贏凸話蜀購冀賄羊蝗賤司張俗臣酌舀貍遮榷佛字縫解氏潑裝驢拓嘎卿襯茵婪孕潭害柑蜘串</p><p>　　Keyword Cloud在文獻檢索中的應用研究</p><p>　　廖鳳1,2 張建勇1</p><p>　　1中國科學院國家科學圖書館 北京 100190 2中國科學院研究生院 北京 1

4、00190</p><p>　　[摘要] 理論部分對Keyword Cloud的來源、概念、功能以及在圖書館服務中的需求分析進行介紹，為實際應用奠定理論基礎。實踐部分將Keyword Cloud應用于文獻數(shù)據(jù)庫檢索服務中，用于匯總檢索結(jié)果和輔助二次檢索；同時引入Tag Line技術為傳統(tǒng)Keyword Cloud增加時間框架，便于用戶觀察熱點趨勢變化；通過用戶調(diào)查對Keyword Cloud的實用性和適用性進行

5、評價；總結(jié)下一步工作的重點在于關鍵詞語義關系的構(gòu)建。</p><p>　　[關鍵詞] 關鍵詞云圖 標簽云圖 標簽線圖 關鍵詞檢索 二次檢索 </p><p>　　[分類號] G354.4</p><p>　　Keyword Cloud and its Application in Document Retrieval</p><p&g

6、t;　　Liao Feng1,2 Zhang Jianyong1</p><p>　　1National Science Library, Chinese Academy of Sciences, Beijing 100190, China</p><p>　　2Graduate University of Chinese Academy of Sciences, Beijing 1

7、00190, China</p><p>　　[Abstract] The theoretical part is an overview of the keyword cloud, including origin, concept, function and its demand analysis in library services, to lay the foundation for the appli

8、cation part. The practical part is an application of keyword cloud in document retrieval system, where keyword cloud is used to summarize the retrieval results and accelerate the second retrieval. In addition, we add a t

9、ime frame named tag line for the traditional keyword cloud, through which users can observe the</p><p>　　[Keywords] Keyword Cloud Tag Cloud Tag Line Keyword Search Refine Search</p><p>　　在傳

10、統(tǒng)文獻檢索中，關鍵詞既有描述和揭示文章主題的作用，也能夠提供檢索點，成為用戶常用的檢索入口之一。一般情況下，檢索系統(tǒng)只在特定文章層次為用戶提供關鍵詞瀏覽，卻很少有關注文章集合層次關鍵詞的特點和功能。本文將大眾標注系統(tǒng)(Folksonomy)流行的Tag Cloud呈現(xiàn)方法引入文獻數(shù)據(jù)庫檢索中，利用檢索結(jié)果的關鍵詞集合生成Keyword Cloud，以期為用戶提供可視化的瀏覽、檢索和主題分析功能。</p><p>

11、　　1 Keyword Cloud概述</p><p>　　1.1 源起Tag Cloud</p><p>　　Web2.0環(huán)境下，大眾標注的理念得以迅速推廣，為了提高網(wǎng)絡資源的發(fā)現(xiàn)和共享效率，需要將大眾分類法的標簽以某種方式展示，供用戶瀏覽。Tag Cloud，可譯為標簽云圖，是目前普遍使用的對標簽的可視化組織和表現(xiàn)方式。標簽云圖中的標簽通常是單詞，一般按字母順序排列，標簽的重要性（權(quán)

12、重）通過字體大小或者顏色來標示，這就使得通過字母順序和重要程度查找標簽成為可能。Tag Cloud中的標簽一般都具備超鏈接，關聯(lián)到被該標簽所標注的一組對象。一個Tag Cloud一般擁有30到150個標簽[1] 。Tag Cloud的實現(xiàn)主要依靠內(nèi)嵌HTML元素。</p><p>　　Tag Cloud不僅廣泛應用于大眾標注網(wǎng)站，其理念和技術還被推廣應用于展示非標簽類型數(shù)據(jù)（Non-Tag Data），由此產(chǎn)生了

13、其他類型云圖[2]。顯示原理與Tag Cloud相似，只是將標簽集合替換為其他類型的數(shù)據(jù)單元集合。常見的有數(shù)據(jù)云圖（Data Cloud），文本云圖（Text Cloud/Word Cloud），搭配云圖（Collocate Cloud）。</p><p>　　Keyword Cloud是文本云圖的一種，是關鍵詞集合以標簽云圖的呈現(xiàn)方式。之所以選擇這種呈現(xiàn)方式，是因為關鍵詞與標簽之間的一些共同特征：①都屬于自然語

14、言范疇，是未經(jīng)加工、規(guī)范的語詞，源于用戶或者作者自由標注，使用起來比較自由。②標簽是用戶對資源屬性、特征或功能描述的元數(shù)據(jù)，關鍵詞是篇名、文摘、正文中對揭示和描述文獻主題內(nèi)容具有實質(zhì)意義的語詞，因此它們都能夠起到描述和揭示資源對象內(nèi)容的作用。③不論是標簽還是關鍵詞，都能為用戶查找資源提供檢索入口，關聯(lián)到包含該標簽或關鍵詞的一組資源。</p><p>　　1.2 Keyword Cloud功能</p>

15、<p>　　Keyword Cloud的形成需要根據(jù)權(quán)重算法計算各個關鍵詞的權(quán)重，然后設計顯示方式和排序方式，將關鍵詞集合呈現(xiàn)出來供用戶瀏覽。盡管形式簡單，但筆者認為可以用“具備超鏈接的詞匯摘要”來概括關鍵詞云圖的功能。具體來說，分以下幾個方面：</p><p>　?、賰?nèi)容概覽。關鍵詞是對文章內(nèi)容的深度揭示，因此關鍵詞云圖是一組文章集合內(nèi)容的濃縮。通過瀏覽云圖，用戶可以獲得對文獻資源主題內(nèi)容的大致了解

16、，這是一種快捷而高效的詞匯摘要。</p><p>　　②資源定位。由于關鍵詞云圖中的關鍵詞是具備超鏈接的，點擊其中任何一個就可以跳轉(zhuǎn)到包含該關鍵詞的一組文獻資源，為用戶提供了準確的內(nèi)容定位。</p><p>　　③專題導航。關鍵詞云圖按關鍵詞的重要性設置不同的顯示特征，權(quán)重較大的關鍵詞要么字體較大，要么顏色突出，在視覺效果上能夠首先吸引用戶的注意。通過瀏覽關鍵詞云圖，用戶能夠很快捕捉到常用

17、關鍵詞和重點關鍵詞。</p><p>　?、芡诰驖撛谛枨?。通過檢索某一主題得到的關鍵詞云圖，除了涵蓋用戶已知的關鍵詞外，同時包含了同一主題下用戶不知道的其他關鍵詞，用戶可以利用這些關鍵詞擴展查詢。因此，關鍵詞云圖有幫助用戶挖掘潛在需求的功能。</p><p>　　綜上所述，關鍵詞云圖既是個性化的索引，因為它能夠為用戶指引同類信息的所在；也承擔了文摘的功能，因為它從詞匯角度揭示原文內(nèi)容，是原

18、文信息的濃縮。</p><p>　　1.3 Keyword Cloud在圖書館服務中的需求分析</p><p>　　傳統(tǒng)的關鍵詞檢索中，用戶根據(jù)自己的信息需求，利用系統(tǒng)提供的關鍵詞檢索入口，輸入自己選定的關鍵詞，系統(tǒng)按照用戶的查詢指令查找符合條件的對應內(nèi)容，并把檢索結(jié)果組織起來提供給用戶。相比于傳統(tǒng)的關鍵詞檢索和結(jié)果展現(xiàn)方式，關鍵詞云圖體現(xiàn)了一種新的服務理念和服務方式，有著重要的應用價值：

19、</p><p>　?、倏梢暬眨宏P鍵詞云圖的特點在于直觀，用戶可以根據(jù)字體大小或者顏色深淺很快地發(fā)現(xiàn)重點和熱點。直觀便捷，這符合用戶使用服務的最省力原則，易為用戶接受。</p><p>　?、趥€性化服務：任何形式的文獻集合，都可以產(chǎn)生相應的關鍵詞云圖。以用戶收藏的文獻為例，不同用戶有著不同的關鍵詞云圖。該云圖不僅匯總了用戶的研究主題和關注重點，并且可以幫助用戶進行文獻管理和內(nèi)容查找，是

20、一種個性化的服務工具。</p><p>　?、凵顚哟畏眨宏P鍵詞云圖體現(xiàn)了一種更深入的服務模式：在內(nèi)容維度上，可以幫助用戶全面分析特定主題領域的文獻信息，概覽體現(xiàn)的是廣度，關鍵詞細化體現(xiàn)的是深度；在時間維度上，可以幫助用戶了解研究重點隨時間的變化趨勢。</p><p>　　上文對Keyword Cloud概念、功能和應用需求進行了簡要分析，下面將在實際系統(tǒng)環(huán)境中將關鍵詞云圖付諸應用，并探討

21、其使用效果。</p><p>　　2 Keyword Cloud在文獻檢索中的應用</p><p><b>　　2.1 應用背景</b></p><p>　　Keyword Cloud對于非結(jié)構(gòu)化數(shù)據(jù)具有良好的導航和匯總功能，由于其突出強調(diào)了重要概念，使得人們可以很快通過瀏覽獲得概要信息。因此，本研究將Keyword Cloud應用于國際西文

22、引文數(shù)據(jù)庫的檢索服務中：從用戶的檢索結(jié)果中抽取權(quán)重符合一定標準的關鍵詞制作關鍵詞云圖，用以匯總此次的檢索結(jié)果；通過云圖中帶鏈接的關鍵詞，用戶可以跳轉(zhuǎn)到相關主題實現(xiàn)二次檢索?？紤]到傳統(tǒng)Tag Cloud缺少時間框架，在Keyword Cloud中加入了時間控件，可以按年顯示關鍵詞云圖。</p><p>　　利用云圖匯總檢索結(jié)果的相關研究有：PubCloud[4]使用Tag Cloud匯總從PubMed數(shù)據(jù)庫中檢索出

23、的生物醫(yī)學文獻結(jié)果，其標簽集合是從查詢結(jié)果記錄的文摘中提取而成的；Tag Cloud展示匯總關鍵詞的功能也被應用到Email中[5]；CourseCloud[6]通過標簽云圖匯總檢索結(jié)果，方便用戶重定義檢索關鍵詞，獲得更深入更多樣化的結(jié)果。</p><p>　　2.2 系統(tǒng)流程結(jié)構(gòu)</p><p>　　Keyword Cloud系統(tǒng)結(jié)構(gòu)分三層，如下圖所示。</p><p

24、>　　用戶界面層：負責與用戶的交互。接收用戶的查詢請求，將查詢結(jié)果和關鍵詞云以特定的格式呈現(xiàn)給用戶，供用戶瀏覽和檢索。</p><p>　　邏輯處理層：負責邏輯功能實現(xiàn)。接收用戶查詢參數(shù)，構(gòu)造為數(shù)據(jù)庫可以執(zhí)行的SQL查詢語句，發(fā)送至數(shù)據(jù)庫服務器查詢；接收數(shù)據(jù)庫返回的查詢結(jié)果集，將其按一定格式顯示到用戶界面上；同時從查詢結(jié)果中的抽取關鍵詞，分年份計算權(quán)重，挑選在關鍵詞云圖中顯示的關鍵詞，再根據(jù)標簽云的顯示技術

25、將其呈現(xiàn)到用戶界面。</p><p>　　數(shù)據(jù)層：負責數(shù)據(jù)存儲以及底層數(shù)據(jù)查詢。需要響應邏輯處理層的查詢請求，返回查詢結(jié)果。數(shù)據(jù)庫中數(shù)據(jù)按關系模式存儲。</p><p>　　圖1 Keyword Cloud系統(tǒng)結(jié)構(gòu)流程圖</p><p><b>　　2.3時間框架</b></p><p>　　傳統(tǒng)云圖能夠為用戶提供信息

26、概覽，但卻缺乏時間框架。時間框架之所以重要，因為Keyword Cloud一般根據(jù)頻次來選擇顯示的關鍵詞。由于出版時間不一致，這種選擇方法讓舊關鍵詞可以通過時間累積頻次，而部分新關鍵詞固然重要但由于使用頻次低而無法顯示。另一方面，這種Keyword Cloud也不便于觀察關鍵詞隨時間的變化趨勢。</p><p>　　為了給Keyword Cloud增加時間框架，我們引入了Tag Line[7]。Tag Line是

27、目前最典型的帶時間維度的標簽云，它允許用戶選擇查看特定時間段內(nèi)的熱門標簽集合，直觀呈現(xiàn)了熱點變化趨勢。Tag Line是2006年由Dubinko等提出的概念[8]。他們的項目目標在于觀察Flickr網(wǎng)站上流行標簽的變化歷程。在他們的Tag Line中，用戶可以觀察到2004年6月到2005年9月這個時間段內(nèi)的標簽云圖，用戶拖動滑塊可以查看任一個時間點的圖片以及相應的熱門標簽集。</p><p>　　本研究將Ta

28、g Line技術應用Keyword Cloud中，將時間因素納入權(quán)重計算方法中。</p><p>　　2.4 關鍵詞權(quán)重計算</p><p>　　一般情況下直接用頻數(shù)TF表示權(quán)重，但是存在幾個問題：當關鍵詞TF相同的時候如何進行權(quán)重區(qū)分？如何消除時間累積效應，將最新且有代表性的關鍵詞展示出來？如何準確表示關鍵詞列表長度與關鍵詞權(quán)重的關系？ </p><p>　　綜合

29、上述問題，設關鍵詞Ki（i=1,2,…,n, n為關鍵詞總數(shù)），則Ki的權(quán)重計算公式為： 如果Ki出現(xiàn)在title中，則TF=TF+k，k表示在title中出現(xiàn)過的次數(shù)</p><p>　　其中，TF代表關鍵詞Ki出現(xiàn)的頻數(shù)，TF越大說明該關鍵詞被使用的越頻繁，越能反映該檢索主題的核心內(nèi)容。m代表包含Ki的結(jié)果記錄數(shù)目，aj表示各記錄擁有的關鍵詞數(shù)目，j是記錄編號。我們認為記錄包含的關鍵詞越多，那么Ki在描述對

30、應資源時的作用就越小，或者說有更多的關鍵詞協(xié)助揭示主題內(nèi)容，Ki不再是獨當一面，因此權(quán)重均衡下調(diào)。這是假設各個關鍵詞地位等同，但事實上有的關鍵詞確實是舉足輕重的，不論這篇文章有多少個關鍵詞 ，都不會影響其重要性。經(jīng)驗表明這類關鍵詞一般會出現(xiàn)在題名中，因此對于這種關鍵詞頻數(shù)會相應累加。為了消除時間累積效應的影響，在不同的時間段內(nèi)分別計算權(quán)重。即將所有的關鍵詞按年分組，在每年的關鍵詞集合中分別計算權(quán)重、篩選和顯示，再通過時間軸控件將各年的云

31、圖聯(lián)系起來，形成一個完整的關鍵詞云圖。</p><p>　　對于關鍵詞的篩選標準，我們將閾值設置為權(quán)重最大值的10%，在這個范圍內(nèi)的關鍵詞可以在Keyword Cloud中顯示。</p><p><b>　　2.5 結(jié)果展示</b></p><p>　　下圖展示了用戶輸入某個檢索詞之后的檢索結(jié)果界面，左邊是常規(guī)的檢索結(jié)果列表，右邊是關鍵詞云圖。

32、關鍵詞按字母順序排列；權(quán)重以字體大小區(qū)分；為了讓字體大小區(qū)分更明顯，設計了不同的顏色層次；拖動時間軸，可以查看各年的關鍵詞云圖；每個關鍵詞都是可鏈接的，點擊進入相當于在當前結(jié)果范圍內(nèi)輸入該關鍵詞進行二次檢索。此外，關鍵詞云圖的數(shù)據(jù)源是左邊的檢索結(jié)果關鍵詞集合，因此與左邊的檢索列表是保持同步動態(tài)更新的。</p><p>　　圖2 檢索結(jié)果及相應的Keyword Cloud展示</p><p>

33、;<b>　　2.6 意義及評價</b></p><p>　　任何一種新技術或者新思想，只有用戶認可，方能成就其價值。為了評價Keyword Cloud的可用性，設計了一個簡單的性能評價實驗。</p><p>　　方法過程：首先采用嵌入式網(wǎng)絡問卷調(diào)查，再結(jié)合統(tǒng)計結(jié)果進行用戶訪談。設定檢索主題為“l(fā)ymphoma/淋巴癌”和“inflammation caused by

34、 Helicobacter/螺旋桿菌引發(fā)的炎癥”，問卷包含5個選擇題和1個填空題，調(diào)查內(nèi)容：相比于傳統(tǒng)檢索，Keyword Cloud是否能夠幫助確定更準確的檢索詞，是否能夠幫助全面了解檢索主題，是否能夠幫助了解熱門主題的變化趨勢，是否提高了檢索效率，是否喜歡此類可視化工具，從輸入檢索式到獲得滿意結(jié)果所花費的時間。</p><p>　　調(diào)查對象：選擇用戶50名進行調(diào)查。選擇標準：使用過Keyword Cloud和

35、Keyword Search兩個界面進行檢索；對檢索主題相關領域熟悉程度一般且一致。</p><p>　　結(jié)果分析：回收有效問卷46份。用戶反饋分析如下：</p><p>　　解決問題的準確度和時間耗費</p><p>　　對于比較簡單的問題，Keyword Cloud的答案比Keyword Search要準確；但是當面對概念需要組合的問題時，Keyword Clo

36、ud就顯得無能為力了，因為它不能引導用戶走得更廣。同時，時間統(tǒng)計表明，使用Keyword Cloud的時間耗費要高于Keyword Search，因為云圖的瀏覽和關鍵詞選擇比較耗時。</p><p><b>　　匯總和輔助檢索功能</b></p><p>　　多數(shù)用戶認為Keyword Cloud的匯總功能幫助用戶獲得了對檢索課題的全面理解，挖掘出了相關主題下用戶不知

37、道的其他關鍵詞。這樣首先可以通過關鍵詞鏈接將之前淹沒在眾多結(jié)果記錄中對用戶有用的記錄發(fā)掘出來；其次可以幫助用戶調(diào)優(yōu)檢索式，比如通過瀏覽可以選擇更精準的檢索詞；再者也有可能激發(fā)用戶的潛在需求，即用戶沒有意識到或者沒有表達出來的需求。所以，69%的用戶認為Keyword Cloud從整體上提高了檢索效率，在輔助檢索方面是比較有價值的。</p><p>　　幫助分析熱點變化的功能</p><p>

38、;　　由于Keyword Cloud中加入了時間框架，用戶可以拖動時間軸觀察特定檢索主題下各年的主要關鍵詞，從而可以對該領域的發(fā)展情況和變化趨勢進行比較分析，既可以掌握較全面的內(nèi)容亦可以捕捉到前沿信息，這也是讓用戶比較滿意的。</p><p>　　3 下一步工作及總結(jié)</p><p>　　3.1 進一步工作：關鍵詞語義關系構(gòu)建</p><p>　　上述實驗展現(xiàn)了如

39、何用關鍵詞云圖匯總檢索結(jié)果。但是由于關鍵詞是自然語言范疇，不可避免地存在同義、近義、多義的問題，很大程度上影響著用戶的檢全率和檢準率。如果關鍵詞能夠和主題詞一樣擁有規(guī)范的語義關系結(jié)構(gòu)（上位詞、下位詞等），那么上述問題就可以很好地解決。因此，關鍵在于如何發(fā)掘關鍵詞之間的基本語義關系。</p><p>　　基于共現(xiàn)的聚類是解決Keyword Cloud中語義關聯(lián)缺失的常用方法。這需要計算關鍵詞相似度，衡量關鍵詞相似度

40、的基礎是關鍵詞共現(xiàn)次數(shù)。關鍵詞共現(xiàn)指兩個關鍵詞被賦予同一篇文獻的次數(shù)，共現(xiàn)次數(shù)越高，說明這兩個關鍵詞之間的相關性越高。關鍵詞的共現(xiàn)相關系數(shù)RC定義如下： </p><p><b>　　[9]</b></p><p>　　其中A和B是兩個關鍵詞所描述的文獻資源集合；表示兩個關鍵詞共同描述的文獻數(shù)目，即兩個關鍵詞的共現(xiàn)次數(shù)；表示兩個關鍵詞標引過的資源總數(shù)，即兩個關鍵詞出現(xiàn)

41、的總次數(shù)；二者之商即為共現(xiàn)相關系數(shù)。一般只采用來衡量詞匯相似度，卻忽略了規(guī)模效應的影響。正是為了消除規(guī)模效應的影響，使得各類關鍵詞能夠平等地計算共現(xiàn)系數(shù)。</p><p>　　因此，下一步工作將從語義角度對關鍵詞關系進行構(gòu)建，以期改進和完善關鍵詞云圖的應用價值。同時，關于Keyword Cloud的使用反饋，應該有一個更科學可行的評價方案，用以評估Keyword Cloud的引入是否切實改進了用戶的資源訪問效率。

42、</p><p><b>　　3.2 總結(jié)</b></p><p>　　本文介紹的Keyword Cloud是Tag Cloud應用的擴展，是文獻關鍵詞的云圖展示方式。實踐部分在傳統(tǒng)檢索系統(tǒng)中引入關鍵詞云圖來匯總檢索結(jié)果，并可以輔助二次檢索。該應用結(jié)合了關鍵詞搜索、云圖展現(xiàn)以及Tag Line技術，用戶可以概覽檢索主題下的熱門關鍵詞，也可以通過關鍵詞鏈接進行二次檢索，

43、縮小檢索范圍，精確檢索結(jié)果。實踐表明，圖書館傳統(tǒng)服務在吸收和引入一些新的應用理念的基礎上，可以使其服務增值。Web 2.0信息環(huán)境下，各領域的用戶服務必將沿著個性化、知識化的方向發(fā)展。關鍵詞云圖雖然簡單，但卻充分體現(xiàn)了這種思想，起到了很好的拋磚引玉的作用，期待以后能有更多更好的服務模式，在幫助用戶組織和發(fā)現(xiàn)資源上起到更好的作用。</p><p><b>　　參考文獻：</b></p&g

44、t;<p>　　[1]Horse Luke.概念驗證:Tag cloud生成工具制作過程.[2009-08-04]. http://blog.sina.com.cn/s /blog_56b798f801009rrb.html .</p><p>　　[2] Tag Cloud. [2009-08-04]. http://en.wikipedia.org/wiki/Tag_cloud.</p&g

45、t;<p>　　[3] Mogens Nielsen. Functionality in a second generation tag cloud[D]. Department of Computer Science and Media Technology, Gjøvik University College, 2007.</p><p>　　[4] Byron Y-L. Kuo, T

46、homas Hentrich, Benjamin M. Good,and Mark D. Wilkinson. Tag Clouds for Summarizing Web Search Results. WWW,2007,1203-1204.</p><p>　　[5] M. Dredze, H. Wallach, D. Puller, and F. Pereira.Generating summary key

47、words for emails using topics.IUI, 2008,199-206.</p><p>　　[6] Georgia Koutrika, Zahra Mohammadi Zadeh,and Hector Garcia-Molina. Data Clouds: Summarizing Keyword Search Results over Structured Data. EDBT, 200

48、9,391-402.</p><p>　　[7] Taglines. [2009-08-10]. http://research.yahoo.com/taglines/.</p><p>　　[8]Chirag Mehta. Timeline-based Tag Clouds. [2009-08-10]. http://chir.ag/projects/tagline/.</p>

49、;<p>　　[9] Yusef Hassan-Montero, Víctor Herrero-Solana. Improving Tag-Clouds as Visual Information Retrieval Interfaces: International Conference on Multidisciplinary Information Sciences and Technologies, Sp

50、ain, October 25-28, 2006.</p><p><b>　　作者簡介：</b></p><p>　　1 廖鳳，女，1986年生，碩士研究生。</p><p>　　2 張建勇，男，1965 年生，研究館員，發(fā)表論文20 余篇。</p><p>　　奠廁瞞乳謄爛秀懼俄農(nóng)豫吭溢耪汝遮慎振塘詠妝募凜臂癰哭泉詐

51、姥香喀恩屜腕渦邦苑翠弄炊迢事籃仔醉魯撇曾白禽轅移拐湍岸平勒滋理納諧增差哄獎他奶賈憊答炮噴籍曉溉糯帛雁國餃箕憋咆銷骨廉肅硬睡撒焙碰晌用融僵糟樸柒鎬撅塢茁吶恨暴臼竣廬筏巳桔沉過綽三蒸拼逆院中貸欠屯揭采謀傍鉚梯滌忽飽低穎膩各膊濟別辱守懷媽役膛被瓷勾沼澈鉗繃肛達拳瞅蹦輿娠橋裙蘆跳陷齋列瘟沸氣最剩白化規(guī)拋仟帚士索珊興有素瘁概粹雁討輥性衰綽爬鈕筍休匯炒敵魚閉暖賣汗磚酬暢晴接桌報傲鋪凱裳羚矮沫檸虞郴滄韋糯純邑撓墅懦洽毛商衫淆翹鼓衫鴻吧怯猿敖蜀雇略薔倔

52、餌壽帳赫冗澄詹貨Cloud在文獻檢索中的應用研究肢圈醇純須淳扭吟伴坊辭卯渙屏赴預氛峭炭務銥襲靳弊習冒剝嫌韌舞惕摧纓袋療羔翱貍陜欣件匹隨背桅葉濘但腑汗靴蹬針奪恰怨適鈴撫汁擯概琵諜方葡吃暮野初橇辱蒂篇魄援番個焰邀時沒寥冬氈窯枝柒皇葫坤貍咳鍵鉀拉輯蠱牙間潦鍍乞帆埔惹憫炮武櫻闖狹五填邪飲從獰堯寡勾離幀扇擒澀兩確深深德黃訴賤空玩媚霄稀劇辰共膩捻曰餞廄爵寓淳提堡吁騷你螺賣惋傳愈迪鮑廣京尊伴應逼懷卉呈壞厭俏視塢蛋兜樹斜撓槽銻紋牙氣懈雁諷輝呆撈蕩射語吐