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，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大。電子圖書管理的主要任務是使用戶快速準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的文檔，所以在不損失文檔信息的基礎上選擇合適的文檔代表詞無疑增強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性。

2、用戶輸入的關鍵詞只有完全匹配時，檢索系統(tǒng)才會返回文檔中包含此關鍵詞的結果。關鍵詞都是學術性比較強的詞并且數(shù)量很少，對于一個初學者而言，他很難找到準確的查詢詞，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，但是該模型的實驗背景是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簽。這些標簽就像文檔的關鍵字一樣，可以對圖書進行主題標引，但不同的是這些標簽由自由平等的網(wǎng)站參與者共同構建，而不僅僅限于作者本人，這些標簽無疑豐富了文檔的語義信息，并且標簽是鏈接相關文檔的語義橋梁，改變了以往文檔之間相互獨立的現(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)生與文檔相關的其他文檔中的相關詞條，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、為了得到更好的結果，本文將Web2.0的技術理念引入圖書管理中，并基于這樣的假設闡述自己的觀點?，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。一個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。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平臺，使用戶不僅可以用標簽標注自己感興趣的內(nèi)容和網(wǎng)站而且可以記錄自己的閱讀心得