结合本体的贝叶斯网络信息检索模型的研究与实现

针对信息检索模型检索性能的问题,将本体及本体语义相似度度量方法运用于基于贝叶斯网络的信息检索模型中,通过利用领域本体表达信息的规范性及本体语义推理的准确性对查询需求进行扩展,提高查询的性能。给出了信息检索模型和概念语义相似度计算及查询检索方法与过程,实验证明该方法在一定程度上能够提高检索系统的性能。     

基于一种文档表示模型的站内搜索引擎设计与实现

根据全信息理论,认识论信息是语法信息、语义信息和语用信息的三位一体．在信息检索的过程中加入语用信息能有效的提高信息检索的质量．基于查询与内容的文档表示模型较好的利用了语用信息,对站内搜索引擎的查准率的提高有着很好作用;Lucene是一个用java语言开发的开源的全文搜索引擎架构．本文利用Lucene设计和实现一个基于查询与内容的文档表示模型的站内搜索引擎,实验结果表明该模型能有效的提高信息检索的查准率．     

基于模糊关联的交互式Web信息检索技术

交互式Web信息检索技术可根据用户反馈信息,调整和修正查询表达式,自动实现查询重构。在此提出一种基于模糊关联的交互式Web信息检索方法,试验结果表明,使用该方法实现查询表达式的重构,可较大幅度地提高Web信息检索系统的查准率。     

基于本体论的信息检索

 将本体论应用于信息检索,提出了基于本体论的信息检索模型.该模型支持用户查询的导引,并按领域分类有选择地返回查询信息.     

Web信息查询研究进展

Web上大量、分布、动态的信息,造成了用户在查询Web上的信息时产生的"信息过载”和"信息迷向”现象.Web信息检索与查询是目前的研究热点,本文分析和比较现有Web信息检索和查询语言技术的发展现状,介绍了基于人工智能领域中机器学习方法的Web信息检索和查询以及信息抽取技术的研究,以供研究者参考.     

一种启发式Web信息检索方法

针对目前Web信息庞杂无序和半结构化特征所带来的信息检索质量低下的问题,在基于查询意图分类研究的基础上,提出了一种结合定题检索的启发式Web信息检索方法;在该方法中,Web信息检索采用一次预处理两次检索机制,根据该机制设计了Web信息检索模型,详细讨论了该模型的设计思想、关键技术和算法描述;通过仿真实验对该方法进行了测试和分析,测试结果表明该方法能够有效提高信息检索性能,在一定程度上满足用户个性化的查询需求。     

基于查询与内容的文档表示模型

在信息检索中,文档表示模型的优劣是影响检索性能的重要因素之一.根据全信息理论,认识论信息是语法信息、语义信息和语用信息的三位一体.当前主流的文档表示模型主要利用语法和语义信息,造成语用信息的缺失,成为改善检索性能的瓶颈.该文提出了一种整合用户查询行为与文档内容的文档表示模型,将用户隐性反馈的语用信息和文档自身的语义、语法信息相结合,动态调整索引库关键词权重,从而提高信息检索的查全率和查准率.     

基于动态知识库搜索引擎的技术

“词的不匹配”是全文信息检索中存在的一个基本问题．为解决此问题,已提出过一些查询扩展方法．现提出一种新的基于动态知识库的搜索引擎原型——DKIRS检索系统．它利用用户检索的结果及用户的反馈信息动态地构造知识库,然后基于知识库对初始查询进行扩展,再利用扩展后的查询进行信息检索。     

WordNet在查询扩展中的应用研究

在信息检索研究领域中,词的不匹配现象是一个日益严重的问题。正因为如此,解决词的不匹配现象已成为信息检索研究的重要课题之一。对查询进行有利于检索的扩展（query expansion）,可以有效地解决大部分词的不匹配现象,达到提高信息检索效果的目的。WordNet是一个在线的词汇参照系统,它的独特之处在于它是依据词义而不是依据词形来组织词汇信息。     

WWW信息检索综述

WWW是目前全球最大的信息系统,在WWW上查询信息和文档主要依靠Internet搜索引擎。现在也出现了许多实用商业搜索引擎站点,例如Yahoo!、InfoSeek、Excite、Lycos等。主要介绍了信息检索系统的结构（Robot,搜索引擎,索引数据库,查询服务等4个部分）,信息检索系统的分类（检索工具站点和检索服务站点）,信息搜寻的基本原理,信息检索模型（包括经典的布尔模型,概率模型和新兴的概念模型等）,其他的检索技术（例如Push技术,Mobile Agent技术等）,对WWW信息检索做了比较全面的介绍。     

基于自然语言查询的搜索引擎模型

阐述了目前网络上的搜索引擎主要是基于关键词索引查询技术而设计的,这种技术的搜索范围很大,但由于关键词难于表达丰富的概念和用户信息需求中的丰富语义,导致查准率很低。以语义W eb和基于语义的网络信息检索技术为理论根据,从克服目前信息组织和信息检索的矛盾出发,用XML/RDF作为语义描述、组织、存储、查询的工具,试图在未来搜索引擎发展方面做一些尝试性的研究,提出了一个基于自然语言查询的搜索引擎模型。     

基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型(IRHOMIA,information retrieval system based on hierarchically organized of multi-interest Agent),模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具.试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高.     

基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型（IRHOMIA,information retrieval system based on hierarchically organizedofmulti-interest Agent）,模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具。试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高。     

基于网页分割的语义信息检索研究

如何准确表达用户意图,判断网页与用户需求的相关性是信息检索技术研究的重要方向。本文提出了一种基于网页内容分割的语义信息检索算法。该算法根据网页半结构化的特点,按照HTML标记和网页的内容将网页进行区域分割。在建立HTML标记树的基础上,利用内容相似性和视觉相似性进行节点的整合。根据用户的查询,充分利用区域信息来对相关的检索结果进行排序。实验表明,本文提出的方法可以显著地提高搜索引擎的查询效果。     

基于隐性知识的信息检索多维匹配模型

将隐性知识管理理论引入信息检索,分析用户查询过程和作者写作活动中存在的隐性知识,在3个层面上予以定义,建立基于隐性知识的信息检索多维匹配模型.从背景知识和行为模式等方面实现信息检索隐性维度的匹配,以解决用户查询意图和作者思想表达不充分的问题,从而提高信息检索的质量.     

神经信息检索模型建模因素综述

信息检索模型被广泛运用于搜索引擎中,且在工业领域被广泛应用。信息检索任务中,模型对信号量的侧重建模导致模型指标差异巨大。目前模型大部分基于以下部分或全部信息建模:精确信号量、相似信号量、信号量区分度、查询词权重、临近量、文本结构信息、不同分布假设。本文介绍各个建模因素的具体含义,并通过引用相关实验例证该因素对于建模起到的积极作用。基于以上实验及分析,最后对信息检索模型的未来发展及趋势作进一步讨论和分析。     

基于本体的信息检索系统模型

针对基于关键字的传统查询方法存在的不足,提出一种面向语义查询的信息检索模型.该模型将信息检索方法与语义Web技术相结合,通过基于本体的知识库实现用户对文档库的语义查询;同时,综合考虑语义检索和关键字检索两种情况,提出一种相似度计算方法,有效地满足了用户对Web信息资源的要求,并为以后的语义检索研究奠定了理论基础.     

基于字面和语义相关性匹配的智能篇章排序

提出了一种基于字面相关性匹配和语义相关性匹配的深度神经网络模型,用来计算信息检索中查询和文档的匹配得分。字面相关性匹配模型基于查询和文档之间的词共现矩阵,主要考虑查询和文档的字面匹配信息以及匹配词的位置信息;语义相关性匹配模型基于预训练的词向量,进一步通过卷积神经网络提取查询和文档之间不同位置的语义匹配信息,最后的匹配得分是这两个子模型的叠加。损失函数采用hinge loss,通过最大化正负样本之间的分数差来更新参数。实验结果表明,模型在验证集上的NDCG@3和NDCG@5分别可以达到0.790 4和0.818 3,相对于BM25以及单个的字面匹配或者语义匹配模型来说都有很大的提升,这也验证了字面匹配和语义匹配对于信息检索的重要性。     

基于Ontology数字图书馆信息检索模型研究

数字图书馆的核心任务之一就是提供良好的信息检索系统,而传统的信息检索技术以关键字匹配为主,缺乏语义推理能力,对用户的查询请求没有提供语义指导,因此造成信息的误检、漏检.本文将Ontology用于数字图书馆信息检索,首先分析了数字图书馆特点和需求,接着提出了基于 Ontology 数字图书馆信息检索模型、体系结构,深入研究了关键技术,最后对研究进行了验证.     

一种地理信息检索的定性模型

提出一种定性地理信息检索方法, 用于地理信息的定性表达、语义匹配、推理和结果排序, 可以避免目前定量地理信息检索中语义信息丢失问题。采用命题逻辑方法综合表达查询和文档中的主题信息和地理语义信息, 将文档与查询的相关性度量分为主题相似度和地理相似度。前者通过命题关键词间加权本体距离获得。后者可进一步分为概念相似度和位置相似度, 分别基于地理本体和空间语义度量。由于信息的表达形式为命题和信息单元, 采用证据理论和模糊逻辑对上述子相关性度量进行统一建模。所提方法可以基于语义检索网页中的定性地理信息, 并对相关文档进行排序。这种检索和排序方法符合人类空间认知, 因此可以有效提高地理信息检索的效率。