BERT深度检索模型理念下烟草专卖执法案库的创新及构建研究

背景 《法治中国建设规划(2020-2025年)》中明确提出建立行政执法案例指导制度,其中执法案例库是案例指导制度构建的重要基石和外在表现。目前在烟草由于没有建立烟草专卖执法案例库,导致在专卖执法实践中同案不同罚、执法尺度不一致等情况时有发生,烟草行政执法案例指导制度尚未形成。方法 本文拟在探索构建烟草专卖执法案例库的过程中引入法律常识知识图谱中的BERT深度检索模型,提升法律案例检索系统对输入查询文本的建模能力,实现烟草专卖执法案例库的数字化构建和运用。结论 运用BERT深度检索模型的专卖执法案例库,可以帮助烟草专卖执法人员更好的进行精准化检索,数字化应用,进一步提高烟草专卖执法人员依法行政水平,为建立烟草行政执法案例指导制度打好基础。

影像档案多模态检索模型框架构建

数字化转型为影像档案的管理提供了机遇和挑战。针对当前影像档案检索存在的问题,该文以影像档案内容检索为研究对象,在向量管理技术基础上构建影像档案的多模态检索模型框架。在所构建的框架中,将影像档案分解为声音、文本和图像三种模态,分别形成三类模态向量子空间,之后构建不同向量模型之间的对应关系形成总空间向量,进而通过计算查询数据与总空间向量的相似性,并通过多模态匹配得到更精准的影像档案片段。最后,该文以单个视频的识别过程为例,做“文本-影像”双模态的模拟实验,以验证实现影像档案多模态检索的可行性。

关于Salton扩展布尔情报检索模型的一个注记

本文指出Salton扩展布尔检索模型存在的错误 。

三种检索模型的比较分析研究——布尔、概率、向量空间模型

文章论述了布尔逻辑检索模型、概率检索模型及向量空间检索模型的原理,比较了三者的优缺点,分析了三种检索模型在理论上的相融之处,进而预测了未来检索模型的发展趋势。

基于本体的数字图书馆检索模型研究（Ⅰ） ——体系结构解析

本文讨论了以历史事件为研究领域的本体数字图书馆检索模型（国共两党关系历史数字图书馆）的设计、构建和实现。模型遵循J2EE规范实现了GGHZ-DL本体建库，本体检索，本体推理，本体可视化等功能。文章重点分析了模型开发过程中所采用的数据结构和关键算法。

全文检索模型综述

全文检索的应用导致了信息检索领域的一场革命,是文档数据库研究的核心。全文检索的首要问题是全文检索模型的选择。本文介绍了目前国内外主要的全文拴索模型,总结了全文检索模型的评价标准,按照此标准对各种模型进行了分析比较,并对全文检索模型构建中一些关键问题进行了分析。

基于模糊相似优先的实例检索模型

文中首先分析了现有实例检索策略存在的局限性，提出了一种基于模糊相似优先的实例检索模型，该模型允许实例的属性为一个模糊数。

一种基于领域本体的混合信息检索模型

针对语义检索中本体不能提供所有知识的问题,提出一种基于领域本体的混合信息检索模型。该模型利用领域本体中概念间的语义关系,结合关键词检索和语义检索,建立关键词基础矩阵和语义扩展矩阵两层索引矩阵,使系统检索在没有可用本体知识时能自动调整为关键词检索,保证一定的检索性能。两者的结合有效改善了检索性能。

信息检索模型及相关性算法的研究

对信息检索模型研究的主要内容和构建策略进行了描述,给出了几种常用的信息检索模型相关性算法,分析了它们的优缺点并就存在的问题进行了探讨,总结了信息检索模型的研究现状和发展趋势。

一种基于农业领域本体的语义检索模型

基于农业领域本体和词汇,给出一个针对农业领域的语义检索改进模型.该模型接受用户自然语言输入,通过计算词语与本体知识之间的相关度和相似度,来实现词汇到知识的映射.针对农业领域本体特点,给出相应的语义扩展规则,把检索结果从本体知识扩展到与之相关的资源文档,并对检索结果进行排序.

基于文摘的信息检索模型

基于文摘的检索模型是基于一个假设。即出现在文摘中的词要比未出现在文摘中的词更能表达文章的主题,因此对检索贡献更大.提出了两个基于文摘的语言检索模型,一个是用文摘模型代替文档模型直接检索文件(SQL),另一个是用文摘模型平滑文档模型(SBDM).在TREC数据集上的实验表明,该模型能够提高检索的性能.其中,SBDM的性能一致接近或优于传统的标准文档查询相似模型.有两个方面的贡献,一方面提出了面向检索的文摘抽取方法并考察了这些文摘方法对检索性能的影响;另一方面提出了新的检索模型,即基于文摘的检索模型.

基于位索引的多层次实例检索模型研究

通过对基于实例的推理技术、实例的检索策略及实例相似性的研究,提出了可应用于机械产品设计领域的多层次实例检索模型和基于位索引的检索算法。给出了实例检索模型的层次划分方法,分析了位索引的建立过程和通过相似度映射表来提高实例检索效率的原理,最后通过实例验证了该算法的简洁性和高效性。

一种本体驱动的Web信息检索模型及实现

本文提出一个本体驱动的Web信息检索模型以解决当前Web信息检索中存在的问题（如查准率低），并分析了该模型的关键组件用户提问分析组件、查询组件。在实验中，选择抽水蓄能领域资源简单地实现了该模型，向用户提供基于抽水蓄能本体的概念查询和语义扩充查询、语义缩小查询三种查询途径。该模型能够改善用户查准率和满意度，实现对该领域资源的智能化检索。

基于本体的语义网检索模型及关键技术研究

为解决传统的基于关键词的信息检索只能从语法上分析关键词、进行关键词的机械匹配,导致检索缺乏语义的问题,构建了一个基于本体的语义网检索模型。提出了一种领域本体库和应用本体库的构建方法,给出了查询本体的生成以及相似本体匹配推理的方法,实现了以该模型为基础的试验性检索系统。实验结果表明,该模型能够进行本体的语义推理,在一定程度上增强信息检索系统的语义处理能力,检索效率得到了改善。

基于神经网络和遗传算法的事例最近邻法检索模型

提出了基于自适应共振神经网络ART1模型进行事例的智能层次聚类和基于遗传算法 (GA)进行事例特征权值优化的解决方案。经过ART1网络的层次聚类形成事例库的层次智能存储组织 ,可有效缩小事例的搜索空间 ,提高检索效率。基于GA对特征权值优化可提高检索质量 ,防止检索出的相似度系数最大的事例并非最佳事例 ,即K NN收敛不到最佳解。因此所提方法的运用可有效提高CBR系统整体的检索效率与质量 。

基于机器学习的知识检索模型研究

本文综合运用信息管理、人工智能、认知科学等多学科的先进理论与技术 ,探讨了获取检索知识的机器学习方法———归纳学习、解释学习、联接学习和基于多Agent的多维学习 ,并提出了基于多维学习的知识检索模型。

基于Ontology的多主体知识检索模型

为了改善现有的信息检索技术不理解语义、检索结果缺乏知识等缺陷,结合Ontology理论,提出了基于On-tology的多主体知识检索模型,分析了模型中各个主体的功能及模型的运行机制。该模型能有效地提高信息检索的查准率和查全率,并将检索结果以知识的形式返回给用户,能极大地满足用户的应用需要。

基于事例推理的检索模型研究

一、引言基于事例的推理(CBR—Case—Based Reasoning)是通过访问知识库中过去同类问题的求解从而获得当前问题解决的一种推理模式。CBR研究兴起的主要原因是传统的知识处理系统对其“边界”以外的知识处理十分低效,不能从知识的积累中进行学习而达到自我完善,也不能对问题求解的策略与结果提供有效的解释,因而其整体性能十分脆弱。

一个基于关联规则的Web信息检索模型

针对Web信息检索系统在大数据量下的数据存储、数据调度与工作的效率问题 ,分析了数据挖掘在Internet信息检索中的运用 ,提出了一个基于关联规则的Web信息检索模型 ,并以逻辑层次、服务域与数据路由为中心 ,给出了这个模型的结构、算法与设计思想。

基于实例的不确定检索模型的研究

传统的基于实例推理系统中的检索模型缺乏对不确定环境的适应性。为此采用证据理论方法构造一种不确定实例检索模型，从而可以有效地处理实例检索中的不确定性，并能提高基于实例推理系统的性能。