基于內(nèi)容的漢語文獻(xiàn)信息檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、本文針對目前基于標(biāo)引的檢索系統(tǒng)和全文檢索系統(tǒng)存在的問題，分析了詞性標(biāo)注對檢索性能的影響、基于重要句群檢索的可行性以及自然提問語句模式等方面內(nèi)容，并以此為基礎(chǔ)，提出一種改進(jìn)的信息檢索系統(tǒng)模型：基于內(nèi)容的漢語文獻(xiàn)信息檢索系統(tǒng)的模型。先把文章的句子按權(quán)重排序，然后根據(jù)用戶選擇閾值的范圍，把閾值范圍內(nèi)的重要句子群作為待檢段落，在待檢段落中進(jìn)行檢索；同時(shí)在預(yù)處理的時(shí)候，對文獻(xiàn)的語詞進(jìn)行詞性標(biāo)注，達(dá)到部分消歧的效果；當(dāng)用戶需要對文獻(xiàn)進(jìn)行擴(kuò)檢的時(shí)候，

2、可以通過擴(kuò)大閾值以及放松對詞性匹配的限制而擴(kuò)大待檢段落的范圍，最終實(shí)現(xiàn)全文檢索的目的；此外，文章還對網(wǎng)站上的用戶提問語句做了分析，提出常見用戶提問模式，支持用戶用自然語句進(jìn)行提問檢索。本實(shí)驗(yàn)系統(tǒng)是針對中文計(jì)算機(jī)領(lǐng)域文獻(xiàn)的檢索系統(tǒng)，以《軟件學(xué)報(bào)》發(fā)表的部分文獻(xiàn)以及其他一些計(jì)算機(jī)文獻(xiàn)作為系統(tǒng)開發(fā)和測試時(shí)候的測試集。在測試中，系統(tǒng)和中國期刊網(wǎng)全文數(shù)據(jù)庫檢索性能做了比較，其中大部分檢索結(jié)果優(yōu)于中國期刊網(wǎng)的檢索效果。 本實(shí)驗(yàn)系統(tǒng)的設(shè)計(jì)與傳

3、統(tǒng)的中文信息檢索系統(tǒng)比較起來，具有以下五點(diǎn)主要成果：1、實(shí)現(xiàn)了詞性匹配檢索。實(shí)驗(yàn)通過具體數(shù)據(jù)來說明漢語詞性標(biāo)注和漢語信息檢索性能之間的關(guān)系。2、實(shí)現(xiàn)了基于重要句群的檢索。系統(tǒng)直接從原文中抽取最能代表文章主題的句子作為待檢段落進(jìn)行檢索，這樣可以提高文獻(xiàn)的檢準(zhǔn)率。3、具有擴(kuò)檢功能。用戶通過擴(kuò)大閾值范圍以及放松對詞性匹配的限制最終可以實(shí)現(xiàn)全文檢索功能。4、具有部分?jǐn)?shù)據(jù)挖掘功能。能把與高權(quán)值詞在一起的有檢索意義的非高權(quán)值詞檢索出來。5、支持自然