科技文獻共享平臺全文檢索技術(shù)研究.pdf

1、伴隨著Internet規(guī)模的迅速增長和內(nèi)容的不斷豐富，同時也給人們進行有效訪問資源帶來了困難。由于提問的不專指和文獻資源量巨大的矛盾，系統(tǒng)往往會返回數(shù)量龐大的檢索結(jié)果。若無一種好的排序方法，用戶無法快速和準確定位所要查找的文獻，因此一個好的排序算法對信息檢索系統(tǒng)來說是至關重要的。為此，該論文結(jié)合傳統(tǒng)信息檢索的排序算法以及文獻自身特點，提出了綜合考慮文獻印證關系及文獻主題過濾的文獻排序方法。首先對文本向量進行主題無關詞條過濾，然后再計算文

2、本向量間的正文相似度，最后通過引文印證對原始相似度進行調(diào)整。SemreX的查找相似文獻的功能就是為用戶提供和他滿意文章相近的文獻。由于查找相似文獻很耗費時間，為提高查找相似文獻的速度以及查找準度，采用了特征壓縮，文獻候選集合的辦法提高了檢索效率，采用信息論的辦法提高了檢索精度。SemreX通過文本在線分類，采用了GUI展示檢索結(jié)果的方法，讓用戶可以很方便的瀏覽檢索結(jié)果。
　　 通過TREC_EVAL程序?qū)Σ捎昧艘挠∽C排序算法的

3、檢索結(jié)果進行了測試，試驗表明該方法可以提高信息檢索的準確率。改進后的算法使R-Precision數(shù)值提高了3.4個百分點，改進7%；使Average Precision數(shù)值提高0.27個百分點，改進9%；Interpolated Recall Precision Averages以及Precision At N Document都比傳統(tǒng)的檢索方法效果好。一般而言，用戶希望系統(tǒng)返回的排名靠前的文獻滿足需求，即希望排名靠前的準確率高，因此I