文本信息檢索模型研究.pdf

1、隨著Internet技術(shù)的發(fā)展，人類已經(jīng)步入信息時代，網(wǎng)上龐大的數(shù)字化信息與人們獲取所需信息能力之間的矛盾日益突出，怎樣快速準確地檢索相關(guān)信息已經(jīng)成為當(dāng)今信息領(lǐng)域的研究熱點。到目前為止，國內(nèi)外研究組織和公司已經(jīng)提出了多種信息檢索模型并研發(fā)出了相應(yīng)的搜索引擎，這些搜索引擎對于要在網(wǎng)絡(luò)上獲取相關(guān)知識的用戶起到了一定的導(dǎo)航的作用，但是同時也有不少局限性：返回大量的垃圾信息，重要信息丟失等。 本文首先從研究文本信息檢索模型入手，闡述了傳

2、統(tǒng)的信息檢索模型的基本原理及其算法思想，然后著重介紹了有關(guān)領(lǐng)域本體的知識以及在領(lǐng)域本體參照下三種語義相似度的計算模型：基于距離的語義相似度計算模型、基于內(nèi)容的語義相似度計算模型以及基于屬性的語義相似度計算模型。得知這三種語義相似度的計算模型分別從三個不同的分析角度來量化概念之間的語義相似度：(1)基于距離的語義相似度計算模型簡單、直觀，但它非常依賴預(yù)先建立好的概念層次網(wǎng)絡(luò)，網(wǎng)絡(luò)的結(jié)構(gòu)直接影響到語義相似度的計算；(2)基于內(nèi)容的語義相似度

3、計算模型在理論上更有說服力，因為在計算概念之間語義相似度的時候，充分利用了信息理論和概率統(tǒng)計理論的相關(guān)知識，但是這種方法不能更細致的區(qū)分層次網(wǎng)絡(luò)中各個概念之間語義相似度的值；(3)基于屬性的語義相似度計算模型可以很好的模擬人們平時對現(xiàn)實世界中事物之間的認識和辨別，但是要求對客觀事物的每一個屬性進行詳細和全面的描述。因此，針對這三種計算模型的優(yōu)缺點和領(lǐng)域本體所特有的性質(zhì)，提出了一種改進的基于領(lǐng)域本體的語義相似度計算模型，該模型能夠比較準確

4、地反映概念之間的語義關(guān)系，為概念之間的語義關(guān)系提供一種有效的量化。 論文在上述基礎(chǔ)上，通過對基于統(tǒng)計的信息檢索模型和基于本體的信息檢索模型進行分析比較，得知這兩種模型在某種程度上互補：(1)基于統(tǒng)計的信息檢索模型強調(diào)關(guān)鍵字的統(tǒng)計信息，然而忽略了關(guān)鍵字之間的語義信息；(2)基于本體的信息檢索模型強調(diào)關(guān)鍵字之間的語義信息，然而忽略了關(guān)鍵字的統(tǒng)計信息。結(jié)合兩種信息檢索模型各自的優(yōu)點提出了一種混合的信息檢索模型。通過該模型構(gòu)建了一種新的

5、信息檢索系統(tǒng)的原型，并對該原型系統(tǒng)的幾個重要的模塊的功能及原理進行了說明。最后，實驗主要采用JSP作開發(fā)技術(shù)構(gòu)建了基于C/S模式的文本信息檢索系統(tǒng)，通過protégée開發(fā)《數(shù)據(jù)結(jié)構(gòu)》這門課程前三章的領(lǐng)域本體，使用ApacheTomcat 5.0作為Web服務(wù)器，采用Microsoft Office XP Access Professional作為數(shù)據(jù)庫構(gòu)建的實驗環(huán)境。實驗結(jié)果證明該原型用于信息檢索中，其查全率和查準率方面較基于統(tǒng)計的信