地理信息检索中基于文档地名感知的排序方法

为了降低与主题不相关的地名对地理相关性产生的负面影响,提出一种基于文档地名感知的排序方法.该方法不确定文档的地理范围,而是分别计算文档中出现的每个地名与查询范围的相关性,以减小文档中不相关地名对检索结果的影响.实验表明,基于文档地名感知的方法的检索效果优于确定最小边界矩形的方法和基于tf-idf的方法.     

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。     

定性地理信息检索方法及其实现

针对当前定量化的地理信息检索模型无法有效处理自然语义导致检索结果不理想的问题, 以语义匹配为原则, 以定性表达为基础, 以推理方法为手段, 提出基于定性空间推理的定性地理信息检索的方法及其形式化模型, 实现Web文档信息内容与查询请求的定性表达和信息提取, 支持基于语义的检索匹配和结果排序, 并进行原型系统的实验验证。这种定性检索方法符合人类常识性认知和表述习惯的方式, 基于定性知识表达和推理决策技术的地理信息检索问题解决方法可以提高现代地理信息检索技术的有效性。     

基于Language Model的地理信息检索模型(英文)

区别于传统的信息检索,地理信息检索通过一个查询范围词来限制用户的兴趣区域.目前的技术一般是把该查询范围词作为一个过滤器,将在该范围之外的文档排除在查询结果外.但是,词在地理空间的频率分布并不是均匀的,因此词在排序结果中的重要性应该随着查询范围的变化而有所改变.为此,提出了一种新的基于语言模型的地理信息查询模型,把查询范围引入到传统的语言模型中.在该模型中,引入了一个local model来描述查询词的地理分布特性.实验结果表明,新的检索模型优于TF-IDF与传统的语言模型.     

基于本体的中文地名识别

针对国内自然语言处理领域地名识别存在的缺点,提出一种基于本体的中文地名识别方法.该方法借助文本工程通用框架GATE,引入构建的地名本体,识别文本中中国县及县以上行政区划地名,使之与地球表面具体的地理位置相对应,进而赋予它们地理坐标和地理语义.重点讨论地名本体的构建、地理解析及地理编码过程中geo/non-geo,geo...     

一种基于约束的半监督聚类查询扩展方法

针对伪相关反馈模型反馈文档信息质量差和扩展词选择不适产生的漂移现象等问题,提出了一种基于约束的半监督聚类查询扩展方法。该方法对初检结果的前k个文档进行人工标注,分成相关文档与不相关文档两类;并利用一种半监督聚类算法对初检结果的前”个文档进行分析,提取出与查询相关的文档作为反馈文档。该方法通过对少量标注文档与查询相关性的学习,能够较准确地估计出大量未知文档与查询的相关性,提高反馈文档的质量,从而有效提高检索的查全率和查准率。实验结果表明,该方法比传统的伪相关反馈和基于无监督聚类的伪相关反馈有更优的检索性能。     

基于Markov网络的结果重排技术

信息检索中通过网页链接信息提取文档内部关系进行搜索结果重排可以提升检索系统的性能。通过Markov网络来展现文档内部关系,该网络更直观地解释了文档间的语义相关性,利用这种文档内部语义关系计算文档重要性对检索结果进行重排。根据文档分布特征阐述了Markov文档网络的构造算法,讨论了Top-k及其相关文档的重要性评分算法,修正初始检索的文档评分。通过这种方式,既保持了文档图的查询相关性,又丰富了文档内部关系,扩大了重排序范围。实验表明,在多个标准文档集上基于Markov网络的结果重排技术对检索性能有较大的稳定提升。     

基于地理关联度和证据理论的地名消歧方法研究

针对目前地名消歧方法普遍缺乏理论基础和统一形式化方法的现状,以地理学第一定律为理论基础,使用地理关联度形式化地理实体之间的邻近性。在此基础上,提出基于证据理论的地名消歧计算模型,用于表示与合成上下文中共现的地名证据。该模型模拟人类阅读和理解文本中时空语义的认知过程,并为地名消歧处理提供一个统一的易扩展的形式化框架。最后,给出本文地名消歧方法的实现算法及其实验评估。结果显示,算法综合性能指标F1达到89.60%,取得较好的实验效果。     

基于地名本体的加权语义相关度算法研究

针对现有地理数据空间检索方法以简单字面匹配为核心、缺乏推理能力等问题,根据地理信息科学中的空间拓扑理论,提出一种基于地名本体的加权相关度算法.该算法考虑到不同的空间拓扑关系在语义检索应用中的重要程度不同,从而赋予地理空间本体关系不同的权值,并体现了其与语义距离的反比关系.通过地名本体实例验证,表明经加权后的语义相关度算法在语义检索应用中可以达到更好的检索效果.     

中国地理标志保护面临的问题与对策

随着世界贸易规模和范围的不断扩展,地理标志的经济价值日益显现,与此同时许多国家也相应加强了对地理标志产品的保护。中国对地理标志的保护还处于起步阶段,在地理标志平行保护模式;地理标志与地名商标发生冲突及宣传力度和监管力度等方面存在不到位现象。对此,应制定专门法律和实施细则,做好宣传工作,提高国民的保护意识和加大市场监管力度等地理标志保护措施。     

论《老残游记》的地理叙事

《老残游记》的叙事模式是以空间维度为核心的地理叙事,其形成与作者刘鹗的经历有着内在关联。小说中的地理环境描写与人物、事件相统一,具有一定的叙事功能。按照地名标示的范围大小,《老残游记》可以分为宏观地理空间和微观地理空间。地理空间的呈现与转换,与故事的发生和情节发展以及叙事的真实合理等串联在一起,形成了一个完整贯穿全文的地理叙事脉络。     

基于SuperMap的民政地理信息系统的设计与实现

以城市电子地图为基础数据,利用Visual Basic 6.0开发语言和SQL Server 2000关系数据库设计并实现基于SuperMap的民政地理信息系统.该系统具有地名管理、行政区划界限管理、门牌管理、城市地名、web信息发布、系统维护等功能,能够实现对城市地名及民政相关信息(道路、地形、水系等)的图形化存储与检索,以及信息的发布与浏览.     

地名的命名规律

从古至今从古至今,地名的数量和种类越来越多,含义越来越丰富,覆盖面越来越广越广。有的地名长期使用;有的地名使用不久,就被更改或废弃。这与地名的命名规律有关的命名规律有关。常见的地名命名规律有常见的地名命名规律有:根据地理特征命名根据地理特征命名,人们参考方位、物产、地理实体形态特征等因素命名名。比如,人们将形态像象鼻的山命名为象鼻山。     

基于Markov网络的检索模型

基于Markov网络的信息检索模型提出一种贝叶斯网络推广的检索模型，该模型利用词项在文档集中的共现信息来构造Markov网络，通过该索引项子Markov网络来加载附加查询证据源，计算文档与查询之间的相关性概率，由此概率进行文档排序. 实验结果表明,本文提出的Markov网络模型比其他传统的检索方法具有更优的检索性能.     

数字图书馆中的文档图像检索技术概述

数字图书馆中的文档检索主要包括三个主要部分,文档存储。查询格式以及相似性计算。现存检索方法的主要差别即在于相似性计算。本文简要介绍了基于识别的检索技术和不基于识别的检索技术,对数字图书馆中文挡图像检索系统的建设具有一定的意义。     

采用相关反馈和文档相似度的维吾尔语检索词加权方法

针对维吾尔语Web文档的有效检索问题,提出一种基于相关反馈和文档相似度的检索词加权方法.首先,对维吾尔语文档进行预处理,获得相应的词干集.然后,当用户输入多个检索词时,执行初始检索,并基于局部相关反馈思想提取出排名靠前的N个文档.接着,利用TF-IDF算法计算检索词与反馈文档之间的词频相似度,通过余弦距离计算文档之间的相似度,并以此对检索词进行两次加权.最后,根据加权后的检索词进行文档检索.实验结果表明:该方法能够准确地检索出用户所需的文档,并将其靠前排序.     

三维地理场景下基于地质特征的数字露头空间检索方法

数字露头技术已成功应用于地质研究,海量的地质露头模型与资料管理成为了技术难题。传统的信息管理方式,如文件夹管理、信息系统管理等,都无法直接获取露头的空间位置,也无法从空间位置直接检索到露头。针对这个问题,运用SuperMap灵活的空间检索功能,提出了一种在三维地理场景下基于地质特征的数字露头空间检索方法,将野外勘测获得的照片、扫描所建立的三维模型、文字信息记录、位置等多种类型的资料纳入到空间数据库中,结合数字高程模型和遥感影像搭建三维地理场景来模拟现实地形地貌,实现从空间定位、地层地质、构造地质、岩相古地理、含油气盆地、岩性等空间与属性综合的露头信息检索管理。并运用SuperMap iObjects.NET 10i和C#.NET技术,在三维地理场景下实现基于地质特征的数字露头空间检索方法,搭建数字露头空间检索引擎平台,且对比传统信息管理方式,综合评价其更占优。     

一种基于流形学习的文档重排序方法

对第一轮检索的结果文档进行重新排序,以提高顶端结果的准确率,一直是信息检索研究中的基础和关键热点问题。文章在考虑文档与文档的基础上,充分考虑了文档与关键词项以及词项与词项之间的多种关系,提出了一种基于流形学习的检索结果重排序的方法。将文档-文档,文档-关键词项,以及词项-词项这三种关系利用流形学习模型进行融合,然后通过正则化框架,在第一轮检索结果分数的基础上,进行文档重排序。在CLEF数据集上进行的实验表明,与基于图的文档重排序,基于LDA模型的文档重排序等方法相比,文中提出的方法可以更好地提高检索准确率。特别是在奥地利图书馆数据集中,采用MRR评估方法,文章所提出方法的准确率比表现最好的基线系统提高了11.78%,比第一轮检索结果提高了33.46%。     

基于自动查询扩展的专利文档检索方法

针对现有专利检索中的用户意图理解及查询扩展不足问题,提出了一种基于自动查询扩展的专利文档检索方法。首先结合专利文档特点,采用基于改进TF-IDF公式的专利领域词表提取方法,构建专利领域词表。在检索阶段,对查询输入串进行分析得到查询关键词汇,同领域词表相结合,确定查询所在领域及查询扩展难度。利用基于伪相关反馈的自动查询扩展技术,根据伪相关文档的术语分布差异分析,生成查询扩展项并排序,最后将扩展项与原始查询条件相结合,重新组成查询条件,完成专利查询。实验结果表明,该方法具有较高的召回率和平均准确率。     

一种基于文本语义扩展的记忆网络查询建议模型

提出了一种新的基于文本语义扩展的记忆网络模型,用于生成环境感知的查询建议。采用基于注意力机制的分层编码器-解码器模型,利用外部记忆网络,生成查询与查询相关文档之间的神经注意力向量。模型融合了查询层、会话层和文档层语义信息,与目前的研究方法相比,能生成具有更高相关性的环境感知查询建议。使用真实的商业搜索引擎查询日志进行了实验,实验结果表明了该模型的有效性。