基于Lucene和GVSM的交互式查詢詞擴展技術(shù)研究.pdf

1、從互聯(lián)網(wǎng)誕生的那天起,信息量每日都在快速增長,搜索引擎是用戶在海量數(shù)據(jù)中快速準確的尋找需要數(shù)據(jù)的最常用途徑。隨著網(wǎng)民數(shù)量的不斷增長,特別是Web2.0技術(shù)的發(fā)展,互聯(lián)網(wǎng)信息成爆炸式擴充,人們對搜索引擎的需求和有用知識的難以獲取的矛盾日益突出。查詢詞擴展技術(shù)就是為了幫助用戶構(gòu)造能清楚地表達查詢意圖的查詢表達式,進而優(yōu)化搜索引擎的查詢結(jié)果,節(jié)約用戶的查詢時間,提高查詢精度。
　　本文主要研究 Lucene和GVSM如何應用在查詢詞擴展

2、系統(tǒng)上，并利用OHSUMED數(shù)據(jù)集進行相關(guān)實驗,主要研究工作包括以下幾點:
　　(1)在傳統(tǒng)信息檢索平臺的基礎上，本文引入了二次檢索的過程:通過用戶和系統(tǒng)交互構(gòu)造新查詢串,重新在目標語料集中進行檢索。
　　(2)對Lucene擴展算法的改進。Lucene能夠方便快捷地建立索引,并實現(xiàn)指定域的查詢。本文為OHSUMED數(shù)據(jù)建立索引,對初次檢索結(jié)果使用改進的ROCCHIO反饋方式實現(xiàn)查詢詞擴展,然后依用戶行為構(gòu)造二次檢索的查詢條

3、件。
　　(3)用GVSM實現(xiàn)查詢詞擴展算法并進行改進。GVSM是一種典型的向量空間模型,本文采用GVSM結(jié)合人工構(gòu)造的擴展詞表實現(xiàn)一種查詢詞擴展算法,對模型中權(quán)重、相似度計算公式進行調(diào)整,取得了較好的效果。
　　(4)改進傳統(tǒng)的信息檢索評價指標。結(jié)合 OHSUMED數(shù)據(jù)的三級相關(guān)類標構(gòu)造合理的評價準則,篩選合適的Query進行查詢擴展,驗證算法的有效性。
　　基于上述研究成果,本文設計并實現(xiàn)了基于 Lucene全文檢