Infolite中文检索系统

随着电子文本的大量涌现 ,人们对信息检索工具也提出了更高的要求 .本文介绍一个基于向量空间模型的中文信息检索系统的设计与实现 .该系统既是我们用于中文信息检索研究的基础平台 。

中文检索系统中查询的扩展

本文基于向量空间模型 ,提出了根据类别体系的层次结构 ,将特征项进行层次存储利用特征项所表示的概念范畴的不同 ,对用户原始查询做进一步的扩展 .文中详细介绍了用户查询扩展的方法 ,给出了查找某一特征项的下两层子特征项的算法 .

一种改善的基于语言模型的中文检索系统研究

最近几年提出的语言模型检索系统将语音识别领域的语言模型技术引入信息检索领域并改善了检索系统的性能 ,但是其隐含的词汇间相互独立的假设并不符合实际情况。尽管统计翻译模型考虑了词汇间的同义词因素 ,但是由于它没有考虑词汇上下文信息 ,所以对于解决多义词词义的区分并无帮助。我们提出了触发语言模型检索方法来改善这一状况 ,通过训练语料得到词汇在一定上下文中的相关比率 ,同时利用查询条件所含词汇计算触发词汇集合来区别查询条件词汇的具体含义并将相关参数引入文档语言模型形成触发语言模型。实验结果表明我们提出的这个方法显著改善了检索系统的性能 ,与经典语言模型方法相比 ,触发语言模型方法的平均查准率提高了约 12 %,召回率提高了 10 8%。

中文检索刊物存在问题与对策

对中文检索刊物存在的问题作了归纳分析 ,并提出了改进措施。

改进后缀树的中文检索结果聚类研究

检索结果聚类能够帮助用户快速定位需要查找的信息。注重进行中文文本聚类的同时生成高质量的标签,获取搜索引擎返回的网页标题和摘要,利用分词工具对文本分词,去除停用词;统一构建一棵后缀树,以词语为单位插入后缀树各节点,通过词频、词长、词性和位置几项约束条件计算各节点词语得分;合并基类取得分高的节点词作标签。实验结果显示该方法的聚类簇纯度较高,提取的标签准确且区分性较强,方便用户使用。

中文检索期刊的现状及改进意见

简述了中文检索期刊的现状及特点，指出了存在的问题，提出了改进意见。

TRS全中文检索系统的应用

介绍了 TRS全中文检索系统的数据访问流程及主要功能 ,通过实际应用 ,为最终用户获得信息提供了一个方便快捷的途径。

基于Lucene的语段模糊匹配中文检索系统设计与实现

为提高图书馆中文信息检索的精确度和有效性,设计了基于Lucene的语段模糊匹配中文检索系统。其采用了自然语言处理中的词语切分技术,使输入条件可以直接通过自然语言的方式提交,同时针对语段匹配的实际问题情境,设计了一种新的结果有效性判别模型,提高了检索结果相似度的科学性和准确性。经过多次实验结果的统计,搜索结果有效性可提高12%。

中文检索刊物主题索引编制的理论与实践

本文对目前主题索引编制状况进行评价,并提出一些可行的措施对其进行改进。全文共分六章,约四万字。第一章主题索引在检索刊物中的地位和作用。主题索引具有比较优越的性能,它是检索刊物索引系统中最重要的一种索引,

汉字检字法研究的最新突破——“唯物中文检索法”述评

学术研究,贵在敢为天下先。在汉字检字法研究的历史上,有两位学者作出了突出的贡献。一位是东汉时期的许慎,率先将杂乱无章的汉字按字形来分析字义取首归部,创造了“部首排检法”;另一位是民国时期的王云五先生。

“我是野虎”抢扑中文检索

根据统计,目前全世界中文英特网人口约为三百五十万,约占全球网络总人口的十分之一。在未来三年内中文英特网人口预计将持续快速成长至一千五百万以上。中文资源网站和中文搜索服务将大有可为。 网址为(http://www.5415.com)的“我是野虎”,是由浙江金义集团和美国经纬集团合作投资的英特网搜索服务站点。自去年底开始进行简体中文版本网上试运行,随后又推出了繁体中文版、网站到访量持续增长。

Coreseek：中文检索系统

Coreseek是开源的全文检索系统Sphinx针对中文用户的改进版本。我进入全文检索领域纯属偶然。当时，Google刚刚上市，各种垂直搜索如雨后春笋，我觉得这是个挺有意思的方向。

中文Web文档全文检索系统的设计及实现

为解决在检索某些词时发生漏检或错检 ,以及查全率和查准率不高的问题 ,研究字索引技术在中文 Web文档检索中的应用 .着重讨论字索引组织结构和检索方法 ,并引入了字节对齐的索引压缩方法 ,最后描述了一个中文 Web文档全文检索系统的结构和实现 .测试表明 ,该系统在响应时间和查准率方面性能均比较好 。

中文网络信息检索工具的现状及未来走向

随着网上中文信息的不断增多和使用中文信息的网络用户队伍的不断壮大 ,中文检索工具的开发越来越受到重视 ,国内检索工具发展存在的不足 ,谈谈对其发展的一些思考。

中文文献输入建库和检索刊物自动编排

本文在作者研制的一个可实用的“中文检索刊物自动编排系统”的基础上，介绍了计算机建立中文库和编排中文检索刊物的一些问题，并由此提出在计算机上建立中文检索系统的方法。作者认为，从编排中文检索刊物入手，逐步积累文献库，是建立中文检索系统比较经济的途径。鉴于中文文献输入计算机费用较高、工作量大，作者特刖强调一次输入，多次利用均系统设计原则。文章对计算机在输入建库、编辑索引和自动排版中使用的若干方法也作了讨论。

中文全文检索系统主题词标引

本文介绍了在中文全文检索系统中实现主题词标引的思路及具体实现过程、各种词表的构造及更新方法和措施 。

一种基于上下文的中文信息检索查询扩展

在中文信息检索的研究和实践中 ,由于查询中所使用的词可能与文件集中使用的词不匹配而导致一些相关的文件不能被成功地检索出来 ,这是影响检索效果的一个很关键的问题。查询扩展可以在一定程度上解决这种词的不匹配现象 ,然而 ,实验表明 ,通常简单的查询扩展并不能稳定地提高中文信息检索的检索效果。本论文中提出并实现了一种基于上下文的查询扩展方法 ,可以根据查询的上下文对扩展词进行选择 ,是一种相对“智能”的查询扩展方法。在TREC - 9中文信息检索测试集上进行的实验表明 ,相对于通常简单的查询扩展 ,基于上下文的查询扩展方法取得了具有统计意义提高的检索效果。

中文信息检索中的相关反馈

一、引言对于基于统计的信息检索系统,影响其性能的主要环节有:1.特征项的选择、2.权重的计算方法、3.查询的表示形式、4.查询的调整(修改)、5.相似度的计算方法。当系统确定了其索引形式和相似度的计算方法后,系统性能的提高。