基于內(nèi)容的漢語文獻信息檢索系統(tǒng)的設計與實現(xiàn).pdf

1、本文針對目前基于標引的檢索系統(tǒng)和全文檢索系統(tǒng)存在的問題，分析了詞性標注對檢索性能的影響、基于重要句群檢索的可行性以及自然提問語句模式等方面內(nèi)容，并以此為基礎，提出一種改進的信息檢索系統(tǒng)模型：基于內(nèi)容的漢語文獻信息檢索系統(tǒng)的模型。先把文章的句子按權重排序，然后根據(jù)用戶選擇閾值的范圍，把閾值范圍內(nèi)的重要句子群作為待檢段落，在待檢段落中進行檢索；同時在預處理的時候，對文獻的語詞進行詞性標注，達到部分消歧的效果；當用戶需要對文獻進行擴檢的時候，

2、可以通過擴大閾值以及放松對詞性匹配的限制而擴大待檢段落的范圍，最終實現(xiàn)全文檢索的目的；此外，文章還對網(wǎng)站上的用戶提問語句做了分析，提出常見用戶提問模式，支持用戶用自然語句進行提問檢索。本實驗系統(tǒng)是針對中文計算機領域文獻的檢索系統(tǒng)，以《軟件學報》發(fā)表的部分文獻以及其他一些計算機文獻作為系統(tǒng)開發(fā)和測試時候的測試集。在測試中，系統(tǒng)和中國期刊網(wǎng)全文數(shù)據(jù)庫檢索性能做了比較，其中大部分檢索結果優(yōu)于中國期刊網(wǎng)的檢索效果。 本實驗系統(tǒng)的設計與傳

3、統(tǒng)的中文信息檢索系統(tǒng)比較起來，具有以下五點主要成果：1、實現(xiàn)了詞性匹配檢索。實驗通過具體數(shù)據(jù)來說明漢語詞性標注和漢語信息檢索性能之間的關系。2、實現(xiàn)了基于重要句群的檢索。系統(tǒng)直接從原文中抽取最能代表文章主題的句子作為待檢段落進行檢索，這樣可以提高文獻的檢準率。3、具有擴檢功能。用戶通過擴大閾值范圍以及放松對詞性匹配的限制最終可以實現(xiàn)全文檢索功能。4、具有部分數(shù)據(jù)挖掘功能。能把與高權值詞在一起的有檢索意義的非高權值詞檢索出來。5、支持自然