基于偽反饋的XML信息檢索技術研究.pdf

1、在互聯網技術高速發(fā)展的時代，各種數據充斥在網絡上，數據的信息量繁雜，人們對信息數據的質量提出了更高的要求。如何有效獲取用戶所需要的高質量相關文檔，是信息檢索中一個非常重要的課題。但是，由于用戶難以提出準確描述搜索意圖的查詢，而且查詢表達式過于短小，在這種情況下，有些學者提出了利用查詢擴展來擴充查詢表示式用來完善用戶的查詢意圖，進而提高信息檢索系統(tǒng)的檢索性能。在這些提出的反饋技術查詢擴展方法中，只有偽反饋不需要用戶的參與，所以具有很大的普

2、適性。
　　論文主要針對偽反饋中的兩個問題展開研究，包括相關文檔的確定和查詢詞項的擴展。主要研究內容包括：
　?。?）研究了基于偽反饋模型的XML檢索結果聚類。在XML文檔檢索中結果聚類是一種改善檢索效果的有效方法，其文檔距離度量是影響聚類質量的關鍵因素。針對XML文檔檢索結果聚類中TF×IDF方法的頻率因子和長度因子處理上的不合理和不能突顯重要詞條的缺點，提出了一種基于“頻率因子”和“長度因子”的新權重計算方案。并在建立向

3、量空間模型時引入LSI理論，在詞條之間搭建了語義關系，減少了原詞-文檔矩陣中包含的噪聲，聚類速度和精度都有所提高。針對IEEE無類別信息數據集進行了實驗，實驗表明與同類相似度計算方法和聚類方法相比，本文的方法在聚類速度和效果上都有所提高和改善。
　　(2)研究了偽相關文檔查找和XML查詢擴展。在XML檢索結果聚類的基礎上，進行了高質量偽相關文檔的查找和高質量查詢詞的擴展，提出了一個簇標簽和簇內文檔兩個階段的排序模型，通過該模型得到