文本信息檢索模型研究.pdf

1、隨著Internet技術(shù)的發(fā)展，人類(lèi)已經(jīng)步入信息時(shí)代，網(wǎng)上龐大的數(shù)字化信息與人們獲取所需信息能力之間的矛盾日益突出，怎樣快速準(zhǔn)確地檢索相關(guān)信息已經(jīng)成為當(dāng)今信息領(lǐng)域的研究熱點(diǎn)。到目前為止，國(guó)內(nèi)外研究組織和公司已經(jīng)提出了多種信息檢索模型并研發(fā)出了相應(yīng)的搜索引擎，這些搜索引擎對(duì)于要在網(wǎng)絡(luò)上獲取相關(guān)知識(shí)的用戶(hù)起到了一定的導(dǎo)航的作用，但是同時(shí)也有不少局限性：返回大量的垃圾信息，重要信息丟失等。 本文首先從研究文本信息檢索模型入手，闡述了傳

2、統(tǒng)的信息檢索模型的基本原理及其算法思想，然后著重介紹了有關(guān)領(lǐng)域本體的知識(shí)以及在領(lǐng)域本體參照下三種語(yǔ)義相似度的計(jì)算模型：基于距離的語(yǔ)義相似度計(jì)算模型、基于內(nèi)容的語(yǔ)義相似度計(jì)算模型以及基于屬性的語(yǔ)義相似度計(jì)算模型。得知這三種語(yǔ)義相似度的計(jì)算模型分別從三個(gè)不同的分析角度來(lái)量化概念之間的語(yǔ)義相似度：(1)基于距離的語(yǔ)義相似度計(jì)算模型簡(jiǎn)單、直觀(guān)，但它非常依賴(lài)預(yù)先建立好的概念層次網(wǎng)絡(luò)，網(wǎng)絡(luò)的結(jié)構(gòu)直接影響到語(yǔ)義相似度的計(jì)算；(2)基于內(nèi)容的語(yǔ)義相似度

3、計(jì)算模型在理論上更有說(shuō)服力，因?yàn)樵谟?jì)算概念之間語(yǔ)義相似度的時(shí)候，充分利用了信息理論和概率統(tǒng)計(jì)理論的相關(guān)知識(shí)，但是這種方法不能更細(xì)致的區(qū)分層次網(wǎng)絡(luò)中各個(gè)概念之間語(yǔ)義相似度的值；(3)基于屬性的語(yǔ)義相似度計(jì)算模型可以很好的模擬人們平時(shí)對(duì)現(xiàn)實(shí)世界中事物之間的認(rèn)識(shí)和辨別，但是要求對(duì)客觀(guān)事物的每一個(gè)屬性進(jìn)行詳細(xì)和全面的描述。因此，針對(duì)這三種計(jì)算模型的優(yōu)缺點(diǎn)和領(lǐng)域本體所特有的性質(zhì)，提出了一種改進(jìn)的基于領(lǐng)域本體的語(yǔ)義相似度計(jì)算模型，該模型能夠比較準(zhǔn)確

4、地反映概念之間的語(yǔ)義關(guān)系，為概念之間的語(yǔ)義關(guān)系提供一種有效的量化。 論文在上述基礎(chǔ)上，通過(guò)對(duì)基于統(tǒng)計(jì)的信息檢索模型和基于本體的信息檢索模型進(jìn)行分析比較，得知這兩種模型在某種程度上互補(bǔ)：(1)基于統(tǒng)計(jì)的信息檢索模型強(qiáng)調(diào)關(guān)鍵字的統(tǒng)計(jì)信息，然而忽略了關(guān)鍵字之間的語(yǔ)義信息；(2)基于本體的信息檢索模型強(qiáng)調(diào)關(guān)鍵字之間的語(yǔ)義信息，然而忽略了關(guān)鍵字的統(tǒng)計(jì)信息。結(jié)合兩種信息檢索模型各自的優(yōu)點(diǎn)提出了一種混合的信息檢索模型。通過(guò)該模型構(gòu)建了一種新的

5、信息檢索系統(tǒng)的原型，并對(duì)該原型系統(tǒng)的幾個(gè)重要的模塊的功能及原理進(jìn)行了說(shuō)明。最后，實(shí)驗(yàn)主要采用JSP作開(kāi)發(fā)技術(shù)構(gòu)建了基于C/S模式的文本信息檢索系統(tǒng)，通過(guò)protégée開(kāi)發(fā)《數(shù)據(jù)結(jié)構(gòu)》這門(mén)課程前三章的領(lǐng)域本體，使用ApacheTomcat 5.0作為Web服務(wù)器，采用Microsoft Office XP Access Professional作為數(shù)據(jù)庫(kù)構(gòu)建的實(shí)驗(yàn)環(huán)境。實(shí)驗(yàn)結(jié)果證明該原型用于信息檢索中，其查全率和查準(zhǔn)率方面較基于統(tǒng)計(jì)的信