利用IRF模型豐富文檔的語義代表.pdf

1、Web文本挖掘是發(fā)現(xiàn)文本中所包含的內(nèi)容和意義的過程，在Web信息源爆炸式增長的同時(shí)，電子圖書數(shù)據(jù)庫中的數(shù)據(jù)也以很快的速度不斷的擴(kuò)大。電子圖書管理的主要任務(wù)是使用戶快速準(zhǔn)確得找到滿意的文檔。雖然每篇文檔中的信息都以不同的權(quán)重詮釋著文檔的主題，但用戶想得到的一定是與查詢詞最相關(guān)的文檔，所以在不損失文檔信息的基礎(chǔ)上選擇合適的文檔代表詞無疑增強(qiáng)了文檔的檢索和分類效果。但以前優(yōu)化文檔代表詞的方法集中于優(yōu)化文章中出現(xiàn)的詞條，忽略了文檔之間的相關(guān)性。

2、用戶輸入的關(guān)鍵詞只有完全匹配時(shí)，檢索系統(tǒng)才會返回文檔中包含此關(guān)鍵詞的結(jié)果。關(guān)鍵詞都是學(xué)術(shù)性比較強(qiáng)的詞并且數(shù)量很少，對于一個(gè)初學(xué)者而言，他很難找到準(zhǔn)確的查詢詞，所以不能很快的搜索到滿意的答案。
　　 為了突破這個(gè)瓶頸，降低查詢的門欖，本文引入IRF(Iterative Reinforce-men Framework)模型，但是該模型的實(shí)驗(yàn)背景是delicious網(wǎng)站，該網(wǎng)站充分利用Web2.0的核心理念，使登錄該網(wǎng)站的用戶對自己感

3、興趣的網(wǎng)站或者文章用語義濃縮的詞條作為標(biāo)簽。這些標(biāo)簽就像文檔的關(guān)鍵字一樣，可以對圖書進(jìn)行主題標(biāo)引，但不同的是這些標(biāo)簽由自由平等的網(wǎng)站參與者共同構(gòu)建，而不僅僅限于作者本人，這些標(biāo)簽無疑豐富了文檔的語義信息，并且標(biāo)簽是鏈接相關(guān)文檔的語義橋梁，改變了以往文檔之間相互獨(dú)立的現(xiàn)狀。IRF模型首先利用TRIDF算法算出文檔的初始代表詞，然后迭代產(chǎn)生與文檔相關(guān)的其他文檔中的相關(guān)詞條，這樣極大的豐富了文檔的代表詞，增大了文檔的檢索范圍。
　　

4、為了得到更好的結(jié)果，本文將Web2.0的技術(shù)理念引入圖書管理中，并基于這樣的假設(shè)闡述自己的觀點(diǎn)?，F(xiàn)階段的圖書檢索系統(tǒng)僅僅向用戶推薦幾篇與文檔相似的文檔，是一種相對靜態(tài)的檢索系統(tǒng)，不能使用戶與用戶之間得到很好的互動(dòng)。一個(gè)用戶對文檔的閱讀心得即不能得到有效的儲存更得不到分享，這樣造成了極大的資源浪費(fèi)。本文將Web2.0中的核心理念引入圖書管理中，在用戶之間建立互動(dòng)平臺，使用戶不僅可以用標(biāo)簽標(biāo)注自己感興趣的內(nèi)容和網(wǎng)站而且可以記錄自己的閱讀心得