需求概念圖導(dǎo)引下的信息檢索算法研究.pdf

1、隨著互聯(lián)網(wǎng)和信息科技的飛速發(fā)展，快速高效地從海量數(shù)據(jù)當(dāng)中檢索到內(nèi)容成為一個越來越重要的需求。本文中首先針對目前信息檢索技術(shù)的發(fā)展現(xiàn)況進行了簡要的介紹和分析，介紹了傳統(tǒng)信息檢索技術(shù)以及概念圖為代表的語義檢索模型。
　　為了更好的提供信息檢索服務(wù)，還要更準(zhǔn)確的把握用戶需求的內(nèi)容和特點。本文以搜索引擎的檢索日志和問答網(wǎng)站的問題語句為例，對用戶的信息檢索需求語句的形式和特點進行了簡要的分析。我們發(fā)現(xiàn)在問答社區(qū)的問題語句中，問題語句的字數(shù)遠

2、高于搜索引擎紀錄，這些分析表明用戶對問句形式的檢索具有很大需求，因此基于語義分析的檢索模型將是未來研究的重點方向。
　　本文對概念圖模型的表示形式、數(shù)學(xué)定義和運算法則等方面進行了簡要介紹，詳細敘述了計算概念圖相似度的計算公式和方法。之后就概念圖的標(biāo)引問題及其研究現(xiàn)狀簡要敘述，確定了本文的研究方向是探索使用標(biāo)引好的概念圖進行準(zhǔn)確高性能的信息檢索的方法。之后，本文提出了引入分布式計算模型當(dāng)中常用的有向無環(huán)圖模型，將其與概念圖模型結(jié)合起

3、來進行信息檢索的方法。選用的RDD模型作為目標(biāo)模型，給出了將概念圖模型通過轉(zhuǎn)化為RDD模型的算法和對應(yīng)的評價函數(shù)。在轉(zhuǎn)化的時候我們首先確定概念圖的中心節(jié)點，此后以中心節(jié)點為根將概念圖展開為樹形結(jié)構(gòu)并移除多余的關(guān)系節(jié)點，然后將中心節(jié)點之外的概念節(jié)點以及其直接前驅(qū)的關(guān)系節(jié)點組合起來生成轉(zhuǎn)換節(jié)點。最后再分層次地為樹結(jié)構(gòu)添加聚合節(jié)點，從而輸出流過這一有向無環(huán)圖計算模型的每一個文檔的最終排序評分。
　　本文設(shè)計并實現(xiàn)了算法對應(yīng)的原型系統(tǒng)，將