面向混合數(shù)據(jù)模型的文本搜索技術(shù)及優(yōu)化策略.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)的不斷發(fā)展，各種數(shù)據(jù)大量地涌現(xiàn)，而這些數(shù)據(jù)中，很多是以混合形式出現(xiàn)，稱為混合數(shù)據(jù)。混合數(shù)據(jù)通常由結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)構(gòu)成，其中非結(jié)構(gòu)化數(shù)據(jù)主要以文本形式體現(xiàn)。如何從這些大量混合數(shù)據(jù)中搜索到用戶需要的信息一直是個(gè)有挑戰(zhàn)的而又急待解決的問(wèn)題。而文本搜索的任務(wù)是如何從大量數(shù)據(jù)中找到與查詢文本相關(guān)或滿足用戶需求的文本。因此，在計(jì)算機(jī)領(lǐng)域，文本檢索一直是個(gè)熱點(diǎn)的話題。文本搜索（即檢索）是信息檢索的一個(gè)核心部分。而本文的重點(diǎn)是如

2、何在混合數(shù)據(jù)上進(jìn)行文本搜索以及優(yōu)化。
　　近年來(lái)，已提出了很多關(guān)于文本搜索的相關(guān)技術(shù)，主要分為兩類:旨在構(gòu)建一個(gè)準(zhǔn)確而又合理的相似（相關(guān)）度函數(shù);而另外些技術(shù)重點(diǎn)研究如何對(duì)查詢文本進(jìn)行關(guān)鍵詞擴(kuò)展或優(yōu)化技術(shù)。但是，這些技術(shù)的研究重點(diǎn)都僅僅放在單純文本的匹配上，忽略了混合數(shù)據(jù)中除文本以外的其他結(jié)構(gòu)化數(shù)據(jù)。所以，直接使用這些技術(shù)得到的返回結(jié)果常常是不理想的。此外，由于混合數(shù)據(jù)包含各種各樣的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，導(dǎo)致數(shù)據(jù)檢索技術(shù)面臨更

3、加復(fù)雜的問(wèn)題。如何充分利用結(jié)構(gòu)化數(shù)據(jù)來(lái)輔助文本搜索從而達(dá)到優(yōu)化的目的是一項(xiàng)具有挑戰(zhàn)性的工作。
　　本文提出了一種面向混合數(shù)據(jù)模型的搜索技術(shù)及優(yōu)化方法。主要貢獻(xiàn)如下:(1)針對(duì)混合數(shù)據(jù)模型的特點(diǎn)，提出了一種屬性分類策略;(2)在此策略的基礎(chǔ)上給出相應(yīng)的屬性打分方法并提出了的文本搜索的基本方法;(3)在此策略的基礎(chǔ)上，針對(duì)結(jié)構(gòu)化數(shù)據(jù)利用挖掘技術(shù)，得到一些屬性規(guī)則;(4)基于這些屬性規(guī)則，提出了幾種過(guò)濾方法和排名的策略，進(jìn)而優(yōu)化了文本搜