2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、如何有效提高信息檢索技術(shù)的魯棒性是本論文研究的中心內(nèi)容。本文第一章首先簡要介紹了信息檢索的關(guān)鍵技術(shù)和研究趨勢,指出了文本信息檢索的三大關(guān)鍵技術(shù):“查詢處理”、“相似度計(jì)算”和“結(jié)果排序”,并相應(yīng)地提出了論文工作的基本思路:在上述三大關(guān)鍵技術(shù)中,引入自然語言處理和機(jī)器學(xué)習(xí)的方法,期望以此提高檢索的魯棒性。隨后,第二章和第三章分別介紹了將自然語言處理和機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到信息檢索中的若干模型,并對(duì)這些模型在TRECRobustTrack大規(guī)模

2、標(biāo)準(zhǔn)語料庫上的實(shí)驗(yàn)結(jié)果進(jìn)行了詳細(xì)分析。接著,第四章介紹了我們NLPR參加TREC2004評(píng)測的基本情況以及經(jīng)驗(yàn)總結(jié)。最后,第五章給出了論文工作的總結(jié)和展望。 概括來說,本論文主要有如下幾項(xiàng)工作:1.提出詞義熵模型,利用Wordnet提供的結(jié)構(gòu)化的詞義知識(shí),幫助確定查詢項(xiàng)的權(quán)重。實(shí)驗(yàn)表明,詞義熵模型與當(dāng)前常用的TF*IDF權(quán)重計(jì)算公式聯(lián)合使用,能有效提高檢索系統(tǒng)魯棒性。 2.利用自然語言處理中命名實(shí)體和復(fù)合名詞的概念,提出

3、了加入名詞性多詞組合的矢量空間模型,以及來源于語義張量概念的核心窗口模型和改進(jìn)的動(dòng)態(tài)核心窗口模型。實(shí)驗(yàn)表明,這三個(gè)檢索模型都能在一定程度上提高檢索系統(tǒng)的性能。 3.對(duì)于如何有效融合多個(gè)檢索模型,本文詳細(xì)研究了兩大類方法:基于結(jié)果的融合方法和基于查詢詞的自動(dòng)模型選擇方法。對(duì)基于結(jié)果的融合方法,本文提出了三種方法:簡單合并方法,得分歸一化方法以及文本聚類方法。對(duì)基于查詢詞的自動(dòng)模型選擇方法,本文引入了三種新的查詢項(xiàng)特征,并分別采用了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論