基于圖的文檔檢索技術(shù)研究.pdf

1、隨著計算機技術(shù)和互聯(lián)網(wǎng)的發(fā)展，信息檢索已經(jīng)成為日常生產(chǎn)生活中不可缺少的一部分，更受到學術(shù)界的高度關(guān)注。近年來，圖數(shù)據(jù)的使用方興未艾，互聯(lián)網(wǎng)的發(fā)展伴隨著大數(shù)據(jù)的增長，使得越來越多的應用產(chǎn)生圖數(shù)據(jù)。圖數(shù)據(jù)的研究近年來也炙手可熱。
　　文檔檢索的主要任務是計算用戶輸入的查詢詞和文檔的相似度，并將文檔依照相似度排序返回給用戶。向量空間模型是信息檢索領域中的基本模型，也是文檔檢索領域中最常用的模型。當今很多廣受歡迎的文檔檢索系統(tǒng)依舊以向量空

2、間模型為核心。由于向量空間模型在檢索中將詞項視作獨立無關(guān)的，割裂了詞項之間的關(guān)系。而實際的文本中，詞項與詞項之間通常都有相關(guān)性。這就導致了以向量空間模型為核心的文檔檢索系統(tǒng)會存在如下的情況:計算出與查詢詞相似度很高的文檔，其內(nèi)容的意思與查詢詞關(guān)聯(lián)性不夠高，甚至意思完全相反。而近年來圖數(shù)據(jù)得到廣泛應用，很重要的原因就是圖能直觀地表示節(jié)點與邊之間的關(guān)系。
　　基于以上問題，本文提出了基于圖的文檔檢索方法。將查詢詞和文檔用圖進行表示。通

3、過計算查詢圖和文檔圖之間的相似度來得到查詢詞和文檔之間相似度的方法，對查詢詞和文檔的相似程度進行定量化計算。首先，本文利用自然語言處理中的依存分析和詞性標注的研究成果，提出基于依存分析的文本表示圖模型，將查詢詞和文檔文本表示成圖。考慮到圖計算的開銷問題，本文提出文檔語義單元的概念，并以文檔語義單元為粒度構(gòu)建圖，這樣不同于以往信息檢索中將查詢與文檔視為對等的實體，本文提出的方法是將查詢詞和文檔放在不對等的層面上;其次，本文基于圖論的相關(guān)知

4、識，提出基于廣義最大公共子圖的圖相似度計算算法，由此可得到查詢圖模型和文本圖模型的相似度;再次，使用上一步得到查詢和文檔各個語義單元的相似度數(shù)據(jù)，考慮到文檔中不同位置的語義單元的重要程度可能不同，本文提出文檔評分方法，計算查詢和文檔之間的相似度并以此作為排序和返回結(jié)果的依據(jù)。最后，分別利用中文和英文兩個文檔集，通過分析不同文檔評分方法下算法的結(jié)果質(zhì)量的表現(xiàn)以及和現(xiàn)有的方法與技術(shù)的結(jié)果進行對比，實驗表明，本文提出的方法能得到質(zhì)量更高的文檔