基于詞典與日志挖掘的查詢擴(kuò)展問題研究.pdf

1、在信息檢索系統(tǒng)中，由于用戶查詢語句過短而導(dǎo)致的詞不匹配、信息迷向和信息過載等問題，成為制約檢索質(zhì)量的主要因素之一。實踐表明，根據(jù)一定的策略為原查詢語句附加更多的關(guān)鍵詞，然后把新構(gòu)造的查詢語句用于檢索，可以有效改善檢索結(jié)果的查準(zhǔn)率和查全率，提高檢索質(zhì)量，這就是查詢擴(kuò)展。基于詞典的查詢擴(kuò)展方法是一種行之有效的查詢擴(kuò)展方法，該方法以同義詞典作為擴(kuò)展源，根據(jù)原查詢關(guān)鍵詞給出與之相關(guān)的擴(kuò)展詞。但是，由于大數(shù)據(jù)量的詞典一般以機(jī)器的方式生成，給出的擴(kuò)

2、展詞往往含有噪音，這些不合理的噪音詞會降低查詢擴(kuò)展的性能。為此，本文主要研究和改進(jìn)了基于詞典的查詢擴(kuò)展方法，以達(dá)到降噪目的。
　　 本文應(yīng)用統(tǒng)計語言模型，提出一種度量原查詢與擴(kuò)展詞之間相關(guān)度的方法，把原查詢與擴(kuò)展詞的相關(guān)度作為篩選擴(kuò)展詞的依據(jù)，并建立一種基于詞典與日志挖掘的查詢擴(kuò)展處理模型。本文的研究內(nèi)容主要包括以下三點：一、以二元統(tǒng)計語言模型為基礎(chǔ)，建立擴(kuò)展相關(guān)度計算模型，提出一種從候選擴(kuò)展詞中篩選合適擴(kuò)展詞的方法，降低查詢擴(kuò)