A Semantic Vector Retrieval Model for Desktop Documents

The paper provides a semantic vector retrieval model for desktop documents based on the ontology. Comparing with traditional vector space model, the semantic model using semantic and ontology technology to solve several problems that traditional model could not overcome such as the shortcomings of weight computing based on statistical method, the expression of semantic relations between different keywords, the description of document semantic vectors and the similarity calculating, etc. Finally, the experimental results show that the retrieval ability of our new model has significant improvement both on recall and precision.

基于Ontology的信息检索系统研究

为了减轻用户在检索信息过程中的负担,根据现有信息检索模型存在的问题,引入本体的概念,建立了一种基于本体的信息检索模型。该模型目标是根据浏览器的历史记录、用户浏览网页的浏览行为等,来更新用户兴趣模块,以不同用户的不同信息需求向用户推荐符合用户意图的信息,从而有效的提高信息检索的查全率和查准率。

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。

智能化搜索引擎技术的研究进展

阐述了传统信息获取的几种模型 ,分析比较它们之间的优劣 ,归纳总结了信息获取模型的层次框架 .对智能化信息获取技术的研究进展和概况进行综述 。

基于本体的PPP项目风险信息建模与检索

PPP项目模式多、生命周期长的特点导致了其风险类型更加多样,所涉及的信息也更为冗杂。再加上PPP项目的参与方众多,使得PPP项目风险信息查找和共享难的问题尤为突出。本文将本体建模方法引入到PPP项目中,建立PPP项目风险信息本体以完成对PPP项目风险信息的存储、组织和复用。首先使用Protégé建立PPP项目风险信息领域本体模型,构建类、属性及类之间的关系;其次借助Jena推理工具对本体模型进行推理,通过自定义规则的定制,实现了对PPP项目风险信息的识别与推理,并能够满足特定用户的信息检索需求;最后通过建立本体库、规则库以及编制检索语句完成推理系统的实施。经过专家论证,该方法可以快速有效地发现PPP项目风险的多方面关联信息,提高相关人员的决策效率。

近几年来国外信息检索模型研究进展

信息检索模型是信息检索的核心。近几年来国外对于布尔模型的研究主要表现在对布尔模型的改进及对扩展布尔模型的进一步优化。对向量空间模型的研究,主要集中在对向量空间模型的扩展研究及对向量空间模型的应用方面。概率模型的发展主要集中在继续对概率模型进一步的研究,其与其它信息检索模型的结合,以及语言模型的研究和发展。近年来对于新兴的基于本体的信息检索模型的研究,主要集中在对基于本体的信息检索模型理论的研究,与其它检索模型的融合,以及基于本体检索模型的应用。国外信息检索模型研究的最新成果,为国内此方面的研究提供了前沿性的参考信息。

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。

基于领域本体的个性化文本信息检索

为了解决传统检索技术无法为用户提供个性化服务和检索效率低的问题,提出了一种基于领域本体的个性化文本信息检索模型,阐述了该模型的结构和关键算法,并验证了算法的可行性。实验结果表明:基于领域本体的个性化文本信息检索能有效提高信息检索的准确率和效率。

结合本体论和统计方法的跨语言信息检索模型

为了更有效地提高跨语言信息检索的性能,结合本体论和统计方法的特性,提出一种混合的跨语言信息检索模型.在该语言模型的结构上,提出一种本体描述框架,构造了一个形式化的语言本体知识表示,通过典型语料学习,融合了语法、语义、句法等多元信息,建立了源语言本体知识库.在跨语言信息检索的实际应用中,利用本体表示,获得初始的检索文档集,再基于源语言本体知识库,对全部候选文档重新排序,以提高TopN排列的精确度.利用NTCIR-3Workshop中的中英文跨语言信息检索数据集对该语言模型进行了评价,相关实验结果表明,该方法取得了较满意的实验效果.

专家领域本体建模及语义信息服务研究

目前各省市各部门分别拥有各自专用的专家信息系统,分别管理所在地区和所属领域的专家信息,其形式各异且专家信息分布异构.针对实际应用中共享专家信息困难,基于关键字查询信息效率不高等问题,提出基于语义的专家信息系统解决方案.采用5W1H分析法归纳领域本体中概念和关系,建立基于5W1H的专家本体概念模型并生成专家领域本体,实现了专家语义信息统一建模.构建系统的四层体系结构,研究语义推理规则的定义方法,设计了基于语义的规则推理算法和基于SPAR-QL的语义信息查询算法,实现了系统基于语义的信息查询和推理等功能.实验表明,基于语义的专家信息查询在查全率、查准率优于基于关键字的查询.

基于本体的Web文本挖掘与信息检索

针对传统Web文本挖掘技术缺少语义理解能力的不足,提出并实现一种基于本体的Web文本挖掘模型,即利用基于本体概念体系的向量空间模型替代传统的向量空间模型来表示文档,在此基础上进行Web文本挖掘,并给出一种集成语义信息检索的设计。实验结果初步验证了本体模型在Web文本挖掘技术上应用的可行性。

基于本体的智能信息检索系统的构建方法

为了解决目前传统的信息检索工具返回大量无关的信息或漏检有用信息的问题,首先引入了本体的基本概念及其在信息检索中的用途,在此基础上提出了一种基于本体的智能信息检索系统模型。该模型首先使用基于SOM神经网络和分层聚类的两阶聚类算法自动的产生本体,免除了人工构造本体的繁琐,然后利用本体中概念及概念之间明确的关系描述,将用户提出的检索要求进行语义上的扩充,使信息检索过程更加智能化,大大提高了检索的查全率和查准率。

基于主题图的本体信息检索模型研究

针对本体在定义领域概念时具有规范性、明确性和可共享性等特点,结合主题图对文档资源组织方式具有语义可导航性,提出了一种基于主题图的本体信息检索模型,并给出了模型的形式化定义。选择旅游领域作为研究对象,定义了旅游本体和旅游文档资源主题图,分析了在信息检索模型中利用本体来规范用户自然语言查询输入,识别用户检索意图和扩展查询语义方面的作用,并展示了主题图在语义导航和用户相关度排序方面的价值。最后通过实验表明基于主题图的本体信息检索模型较传统的检索系统有较好的性能。

个性化信息检索中用户兴趣建模与更新研究

个性化信息检索系统的实时性关键在于如何动态更新用户兴趣模型。针对原有方法的不足,改进用户兴趣模型的描述与更新方式。首先根据网页文档的特征改进TF-IDF(Term Frequency-Inverse Document Frequency)算法,以此作为用户兴趣特征词的权重,同时通过引入领域本体,将用户兴趣特征项进行语义扩展,并根据用户浏览行为,改进其用户兴趣主题计算方式,并在此基础上提出用户兴趣模型的更新与遗忘机制。实验对比结果表明,该方法能够捕捉用户兴趣的变化,进一步提高个性化信息检索的准确度与用户满意度。

基于语义模型的信息检索机制研究

提出了一种基于本体语义模型的信息检索方法。该方法充分利用领域本体提供的概念之间的语义相关性,从语义模型扩展、概念相似度、相关度计算,并以用户反馈等角度探讨了基于语义模型的自动推理方法在信息检索中的应用,文章介绍了系统实现框架。该系统将应用在学习资源的智能检索中。

一种混合的文本信息检索模型研究

通过对基于统计的信息检索模型和基于本体的信息检索模型进行分析比较,得知这两种模型在某种程度上互补:基于统计的信息检索模型强调关键字的统计信息,然而忽略了关键字之间的语义信息;基于本体的信息检索模型强调关键字之间的语义信息,然而忽略了关键字的统计信息。结合两种信息检索模型各自的优点提出了一种混合的信息检索模型。实验证明该模型在查全率和查准率方面较基于统计的信息检索模型和基于本体的信息检索模型有了一定的改进．

本体驱动的跨语言信息检索研究

分析跨语言信息检索技术的翻译歧异性问题,指出多语本体的引入可以提高语义排歧的准确性,详细分析两个国外的跨语言信息检索系统,并在此基础上提出一个基于双语本体的中英跨语言信息检索模型及实现方案。

一种基于Rough本体的语义搜索引擎模型

基于关键字匹配的搜索引擎无法反映Web信息在现实世界中的语义,由此不可避免地导致查准率和查全率低的缺陷;另一方面,目前本体支持的形式化概念还不足以表示不完备知识。因此本文结合Rough本体理论,提出了一种基于Rough本体的语义搜索引擎模型,讨论了模型设计和实现其中的若干关键技术,最后对模型的实现技术进行概述。

基于统计主题模型的多粒度Web文档标注

针对已有Web文档语义标注技术在标注完整性方面的缺陷,将潜在狄里克雷分配(LDA)模型用于对Web文档添加语义标注。考虑到Web文档具有明显的领域特征,在传统的LDA模型中嵌入领域信息,提出Domain-enable LDA模型,提高了标注结果的完整性并避免了对词汇主题的强制分配;同时在文档隐含主题和文档所在领域本体概念间建立关联,利用本体概念表达的语义对隐含主题进行准确的解释,使文档的语义清晰化,为文档检索提供有效帮助。根据LDA模型可为每个词汇分配隐含主题的特征,提出多粒度语义标注的概念。在20news-group和WebKB数据集上的实验证明了Domain-enable LDA模型的有效性,并指出对文档进行多粒度标注有助于有效处理不同类型查询。

基于本体术语学的教育领域多语言本体构建

为解决跨语言信息检索中多语言知识组织问题,根据本体术语学中概念具有独立于语言多样性的稳定性,不同语言或文化背景下的术语可表示同一个概念的核心观点,结合教育领域的需求,依据《教育主题词表》构建出支持多语言检索的标准化本体模型。将对术语的检索提升到概念层面,从而消除由不同语言相互转换所带来的歧义,很好地解决了教育领域跨语言语义信息检索问题。最后,利用Jena API实现对该本体的查询并构建出跨语种语义检索原型系统,结果证明了所提出的方案的可行性。