基于本體的跨語(yǔ)言全文檢索模型的研究.pdf

1、近年來(lái)，國(guó)內(nèi)企業(yè)紛紛走向國(guó)際化，企業(yè)內(nèi)部涉及多種語(yǔ)言，這樣跨語(yǔ)言信息檢索CLIR(CrossLanguageInformationRetrieval)成為企業(yè)關(guān)注的焦點(diǎn)，雖然已經(jīng)存在某些CLIR系統(tǒng)，但是它們使用的是傳統(tǒng)的全文檢索策略，這種檢索策略尋找的信息僅僅是字面本身的信息，單純的字符匹配無(wú)法提供基于概念的智能檢索，計(jì)算機(jī)無(wú)法識(shí)別其語(yǔ)義以至于忽略了這個(gè)信息的概念及其相關(guān)的成分，并且往往會(huì)返回大量無(wú)關(guān)信息，這樣系統(tǒng)的查全率和查準(zhǔn)率都很

2、低。因此，企業(yè)迫切需要一種智能跨語(yǔ)言檢索系統(tǒng)。為此，我們提出了一種基于本體的跨語(yǔ)言全文搜索引擎。它不但能夠?qū)崿F(xiàn)跨語(yǔ)言的信息檢索，還能夠理解查詢的隱含信息，返回給用戶與輸入查詢密切相關(guān)的信息。 本文對(duì)多種搜索引擎作了深入地研究，最終選擇Lucene作為本模型的檢索基礎(chǔ)。Lucene是一種開(kāi)放源代碼搜索引擎框架，它能夠處理多種語(yǔ)言，但是它是基于關(guān)鍵字的全文檢索，具有傳統(tǒng)搜索引擎不能理解查詢語(yǔ)義的缺點(diǎn)?；谶@種情況，我們?cè)贚ucene

3、的基礎(chǔ)之上，利用本體在描述事物上的優(yōu)勢(shì)，對(duì)用戶的查詢進(jìn)行擴(kuò)展，突破了基于關(guān)鍵字的傳統(tǒng)檢索策略的不足，能夠返回給用戶與關(guān)鍵字緊密相關(guān)的各種信息。我們創(chuàng)建了自己的模型，實(shí)現(xiàn)的是以旅游知識(shí)為檢索領(lǐng)域的智能搜索引擎，模型檢索來(lái)自于新浪和雅虎的97篇文檔，使用平均查準(zhǔn)／查全率曲線對(duì)檢索策略進(jìn)行評(píng)價(jià)。通過(guò)與傳統(tǒng)跨語(yǔ)言搜索引擎的對(duì)比性研究我們得出：基于本體的檢索策略有效的提高了跨語(yǔ)言全文檢索的性能。 本系統(tǒng)與其它基于本體的智能搜索引擎的區(qū)別在