基于偽反饋的XML信息檢索技術(shù)研究.pdf

1、在互聯(lián)網(wǎng)技術(shù)高速發(fā)展的時(shí)代，各種數(shù)據(jù)充斥在網(wǎng)絡(luò)上，數(shù)據(jù)的信息量繁雜，人們對(duì)信息數(shù)據(jù)的質(zhì)量提出了更高的要求。如何有效獲取用戶所需要的高質(zhì)量相關(guān)文檔，是信息檢索中一個(gè)非常重要的課題。但是，由于用戶難以提出準(zhǔn)確描述搜索意圖的查詢，而且查詢表達(dá)式過(guò)于短小，在這種情況下，有些學(xué)者提出了利用查詢擴(kuò)展來(lái)擴(kuò)充查詢表示式用來(lái)完善用戶的查詢意圖，進(jìn)而提高信息檢索系統(tǒng)的檢索性能。在這些提出的反饋技術(shù)查詢擴(kuò)展方法中，只有偽反饋不需要用戶的參與，所以具有很大的普

2、適性。
　　論文主要針對(duì)偽反饋中的兩個(gè)問(wèn)題展開研究，包括相關(guān)文檔的確定和查詢?cè)~項(xiàng)的擴(kuò)展。主要研究?jī)?nèi)容包括：
　　（1）研究了基于偽反饋模型的XML檢索結(jié)果聚類。在XML文檔檢索中結(jié)果聚類是一種改善檢索效果的有效方法，其文檔距離度量是影響聚類質(zhì)量的關(guān)鍵因素。針對(duì)XML文檔檢索結(jié)果聚類中TF×IDF方法的頻率因子和長(zhǎng)度因子處理上的不合理和不能突顯重要詞條的缺點(diǎn)，提出了一種基于“頻率因子”和“長(zhǎng)度因子”的新權(quán)重計(jì)算方案。并在建立向

3、量空間模型時(shí)引入LSI理論，在詞條之間搭建了語(yǔ)義關(guān)系，減少了原詞-文檔矩陣中包含的噪聲，聚類速度和精度都有所提高。針對(duì)IEEE無(wú)類別信息數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)表明與同類相似度計(jì)算方法和聚類方法相比，本文的方法在聚類速度和效果上都有所提高和改善。
　　(2)研究了偽相關(guān)文檔查找和XML查詢擴(kuò)展。在XML檢索結(jié)果聚類的基礎(chǔ)上，進(jìn)行了高質(zhì)量偽相關(guān)文檔的查找和高質(zhì)量查詢?cè)~的擴(kuò)展，提出了一個(gè)簇標(biāo)簽和簇內(nèi)文檔兩個(gè)階段的排序模型，通過(guò)該模型得到