基于信息集結(jié)算子的Web信息檢索方法研究.pdf

1、信息檢索的研究已有多年歷史，自World Wide Web (WWW)產(chǎn)生以來(lái)，如何在海量的信息資源中檢索到有用的信息更成為一個(gè)非常重要的課題，同時(shí)這方面的研究也有了一定成果。Yager提出的有序加權(quán)平均算子(Ordered Weighted Averaging Operator)已經(jīng)廣泛應(yīng)用于決策分析、專家系統(tǒng)、人工神經(jīng)網(wǎng)、模糊系統(tǒng)等方面。它提供了廣泛的包括極大、極小和算術(shù)平均的參數(shù)化集成算子，并可以應(yīng)用于各種信息集成問(wèn)題中。如何將O

2、WA應(yīng)用到Web信息檢索是一個(gè)非常值得考慮的問(wèn)題。 Web 信息檢索系統(tǒng)作為用戶層和 Web 信息層之間的中間層，可以進(jìn)一步地劃分為3個(gè)層次，包括：搜索引擎與目錄、元搜索引擎、信息檢索Agent 。本文就是按照搜索引擎、元搜索引擎、Agent三個(gè)層次提出了基于OWA算子的Web信息檢索模型，旨在尋找提高網(wǎng)絡(luò)信息檢索效果的手段和方法的有效途徑，并最終提高網(wǎng)絡(luò)信息的檢索效果，使得網(wǎng)絡(luò)信息資源得到充分有效地利用。 全文主要包括

3、七個(gè)部分： 第一章對(duì)信息檢索及 Web 信息檢索的研究現(xiàn)狀進(jìn)行了綜述，為下文的進(jìn)一步研究奠定了基礎(chǔ)。 第二章詳細(xì)闡述了Web信息檢索層次分類，介紹了幾種傳統(tǒng)信息檢索模型，包括布爾模型、向量模型、概率模型、概念模型，并且闡述了Web信息檢索中的信息集成問(wèn)題，綜述了各種信息集結(jié)算子。 第三章提出了用戶查詢含數(shù)值權(quán)重的擴(kuò)展的布爾信息檢索模型。此模型中，文檔采用了一種改進(jìn)的關(guān)鍵詞頻率一逆頻率(TF、-IDF)方案，查詢表

4、達(dá)式用帶有數(shù)字權(quán)重的檢索關(guān)鍵詞表示。然后采用自下而上的匹配策略，用調(diào)整的幾何平均算子和有序加權(quán)平均算子進(jìn)行信息集結(jié)，最終得到了每個(gè)文檔對(duì)查詢表達(dá)式的檢索值。 第四章建立了基于OWA的用戶查詢含語(yǔ)言值權(quán)重的擴(kuò)展的布爾信息檢索模型，這個(gè)模型與上個(gè)模型的不同在于在查詢語(yǔ)句中用語(yǔ)言值權(quán)重代替數(shù)值權(quán)重。匹配策略也是自下而上的，最終得到了每個(gè)文檔對(duì)查詢表達(dá)式的檢索值。 第五章建立了基于OWA進(jìn)行結(jié)果融合的元搜索引擎模型。本章中用OW