隐含语义检索及其应用

隐含语义检索 ( Latent Semantic Indexing,LSI)是一种基于概念的文献检索方式。它区别于传统的基于用户查询条件与文档的单词匹配的文献检索方法 ,根据文档与查询条件在语义上的关联而向用户提交查询结果。本文介绍了隐含语义检索在文献检索中的一种实现方法 。

隐含语义检索系统词条权重的处理

隐含语义检索技术是一种基于概念的检索方法,本文介绍了隐含语义检索的原理,并考虑到不同词条对文档内容描述重要程度不同,通过提高特征词、关键词的权重改进了隐含语义检索系统。工作中对检索系统中不同重要程度的词条采用了不同的权重算法计算权重,并以化学学科信息门户中的西文期刊简介页作为测试文档进行了检索测试,分析了权重算法改进前后检索测试的数据,结果表明,改进后的隐含语义检索系统的检索效果有了较大的提高。

一种压缩域特征提取与语义图像检索技术

为了解决“语义鸿沟”问题 ,通过将隐含语义索引 (L SI)技术引入到图像语义提取问题的研究中 ,试图从图像的视觉特征中抽取出“高层概念”.基于 GM(1,1)压缩域中的一种图像特征 ,提出了一种建立“图像视觉特征”与“语义信息”之间映射的技术方法 .实验研究表明 ,这种基于压缩域特征和 L SI技术的图像检索方法能显著改善图像检索的性能 。

面向化学领域网络资源的文本自动分类算法

为了提高化学主题搜索引擎的查询效果,采用距离加权七一近邻分类算法来进行自动分类.为了测试该算法对化学领域网络资源进行分类的效果,文中使用化学化工资源导航系统ChIN人工积累的资源和描述信息作为数据集,并采用基于化学领域的多层次分类体系进行分类.经测试,系统微平均值Fmicro最高可达到71％.文中还就文档的关键词和数据集的熵对分类性能的影响进行了讨论.结果表明,该算法能较好地应用于化学领域网络资源的自动分类.

基于文本聚类的LSI文本分类模型

文本自动分类是文本挖掘的基础,可广泛地应用于信息检索,web挖掘等领域.在分类前首先要将文本表示成计算机能处理的形式,提出了一种将隐含语义索引(LSI)与文本聚类相结合的中文文本自动分类的方法.在挖掘文本的语义信息,提高分类速度上均取得了较好的效果.通过实验验证了方法的有效性.

ChIN化学化工资源导航系统的新进展

Internet化学化工资源导航系统ChIN已经被公认为国内最有影响的Internet化学化工资源导航站点,也受到国际同行的肯定和关注。本文从ChIN的最新版本及其专门管理工具ChIN-Manager,基于概念的自然语言检索方法一隐含语义检索ISI应用于ChIN的研究、将ChIN无缝集成到化学化工虚拟社区平台的尝试3个方面来介绍ChIN在最近两年内的新进展。