基于语义的概念查询扩展

针对当前信息检索系统中所存在查准率低和查全率低的情况,分析了当前检索系统中常用的方法后,提出了一种基于语义的概念查询扩展方法.该方法结合概念语义空间来实现用户检索的概念查询扩展,以达到提高查准率和查全率的目的.实验结果表明,该方法相对于传统方法可以大幅提高用户检索的查准率和查全率.     

面向旅游领域的语义查询扩展方法

针对传统语义查询扩展方法存在返回结果多以及准确率不高的问题,以旅游领域为背景,提出一种语义加权查询扩展方法。利用本体推理能力与本体中的实体相关度进行查询扩展,结合TF-IDF算法的词频加权与语义相关度加权改善检索结果的排序。实验结果表明,相比其他2种方法,该方法能使更多符合要求的查询结果靠前排列,提高了旅游信息检索的正确率。     

基于局部共现分析和概念语义的查询扩展研究

针对信息检索中文档与查询之间的词不匹配问题,提出了一种基于共现分析和概念语义的查询扩展方法.该方法结合概念语义空间和局部共现分析来实现扩展,并改进了扩展词筛选函数.实验结果表明,该方法对于传统的查询扩展技术的信息查询效果有了很大提高,具有较好的查询性能.     

信息检索中的查询扩展技术综述

查询扩展技术是提高信息检索查准率和查全率的有效手段。文章介绍了几种重要的查询扩展技术的工作原理,并对他们的算法效率进行了分析和比较。     

一种基于语义单元的查询扩展方法

查询扩展技术通过向初始查询请求中加入相似或者相关的词,来减少查询请求与相关文献在表达上的不匹配现象,改善检索性能.本文利用语义单元的语义表达能力和语义单元之间的关系,将与初始查询具有密切语义关系的查询词或短语加入到初始查询请求中,更加全面地表示了用户的查询意愿.算法的时间复杂度为O(L),只与搜索请求的长度L有关,与语义单元表示库的规模无关,这对实时性要求较高的搜索引擎来讲是很实用的.     

基于兴趣模型的查询扩展

针对信息检索中查询与文档集之间可能存在的“词不匹配”问题,基于兴趣模型提出一种将概念化的兴趣知识与向量空间模型相结合的查询扩展方法。该方法能根据阈值来判断查询扩展是否可行。用户的兴趣偏好是通过Agent代理实时获取的,兴趣知识采用HNC（Hierarchical Network of Concepts, 概念层次网络）理论的概念符号体系表达,这样便于计算概念之间的相似度。实验结果表明,经过查询扩展后的结果相对于未加入查询扩展的结果在性能上提高了29.1%。     

基于权重查询词的XML结构查询扩展

文本文档信息检索中检索质量不高的一个主要原因是用户难以提出准确的描述查询意图的查询表达式. 而XML文档除了具有文本文档的内容特征外,还具有结构特征,导致用户更难以提出准确的查询表达式.为了解决这一问题,提出一种基于相关反馈的查询扩展方法,可以帮助用户构建满足查询意图的"内容 结构"的查询表达式.该方法首先进行查询词扩展,找到最能代表用户查询意图的权重扩展查询词;然后在扩展查询词的基础上进行结构查询扩展;最终形成完整的"内容 结构"的查询扩展表达式.实验结果表明,与未进行查询扩展相比,扩展后prec@10和prec@20的平均准确率提高30%以上.     

高适应性企业信息查询扩展系统设计与实现

高效企业信息检索已成为信息检索领域的重点和难点,讨论了企业信息检索相关技术的发展,设计并实现了一个基于概念的企业信息检索系统,利用查询扩展算法对用户输入的关键词进行语义扩展：利用专业词典查找同义词,通过学习指定文档集合找出关联词,并允许用户自定义关联词进行扩展,从而实现真正意义上的概念搜索。系统设计充分考虑可适应性及平台无关性问题,其层次间独立的结构设计使得系统字典可替换,可用于不同行业不同平台的企业信息查询,特别适合中小型企业的轻型简便应用。     

基于语义查询扩展的垂直搜索研究

基于关键词的搜索引擎无法满足用户需求,传统查询扩展方式又会带来许多语义理解错误,针对该问题,提出一种基于本体的垂直搜索引擎概念模型,建立基于关键词和基于概念的两层索引结构,利用行业领域本体对用户提交的关键词进行语义查询扩展,并对按照本体标注的文档进行排序优化,提高查询的查全率和查准率。     

基于文档与搜索结果上下文的查询扩展方法

在查询扩展方法中,如果通过查询结果中关键词的上下文来计算候选关键词的权重,将权重大的词作为查询扩展词,其候选关键词来源于文档中关键词的上下文,这种方法存在主题漂移的问题。为了解决这个问题,提出一种将初始查询结果过滤,只选择与源文档语境相似的搜索结果,来帮助选择查询扩展词的方法。实验结果表明该方法能获得更合适的查询扩展词。     

一种面向主题的关键词查询扩展方法

提出一种基于局部统计和语义扩展相结合,面向主题的关键词查询扩展方法。该方法通过对给定主题的初始关键词搜索反馈网页进行分析,采用TF*PSF语义加权方法计算主题候选词的权重来进一步筛选主题关键词。在此基础上,设计了面向Web的主题关键词迭代查询扩展算法,采用主题关键词的组合查询策略,迭代扩展出主题的关键词集合。实验证明该方法是有效的。     

基于用户日志挖掘的查询扩展方法

查询扩展可以有效地消除查询歧义,提高信息检索的准确率和召回率.通过挖掘用户日志中查询词和相关文档的连接关系,构造关联查询,并在此基础上提出一种从关联查询中提取查询扩展词的查询扩展方法.同时,还提出一种查询歧义的判别方法,该方法可以对查询词所表达的检索意图的模糊程度进行有效度量,也可以对查询词的检索性能进行预先估计.通过对查询歧义的度量来动态调整扩展词的长度,提高查询扩展模型的灵活性和适应能力.     

基于完全加权关联规则挖掘和查询扩展的信息检索

将完全加权关联规则挖掘技术应用于信息检索,提出一种基于完全加权关联规则挖掘和查询扩展的信息检索模型,重点阐述模型的设计思想及其算法和实现的关键技术.实验结果表明,该模型有效,能提高信息检索性能,有很高的实际应用价值和推广前景.     

用户需求概念图的生成方法研究

网络信息检索在当前互联网社会得到了广泛应用,但是其检索准确性却不容乐观,究其原因是割裂了检索关键词之间的概念联系。从一类限定领域的用户需求入手,以搜索引擎作为网络语料资源的访问接口,综合利用规则与统计的方法,生成查询需求的语义概念图。可将其作为需求分析的结果,导引后续的语义检索过程,提高用户查询与返回结果的相关性。实验结果表明,生成方法是有效可行的,对基于概念图的语义检索有一定的探索意义。     

基于日志挖掘的查询概念图扩展

提出将概念图引入查询扩展,从概念的层面上进行语义的扩展。使用概念图表示查询可以更准确地表明用户的查询意图,并在此基础上进行语义的扩展,通过这种方法给出的扩展查询更符合用户的查询意图。对用户查询进行基于概念图的查询扩展,并将结果与百度的相似查询进行了比较,证明基于概念图的查询扩展能更准确地把握用户的查询意图。     

一种垂直搜索中的自适应查询扩展方法

在信息检索中,查询扩展一直被用来帮助提供更好的查询结果。作为一个热门话题,很多查询扩展方法被提出来,但其中大多数方法都是面向通用搜索引擎的,而没有考虑查询背景和领域背景,更没有考虑两个背景知识的演化。给出一种基于领域本体和查询日志的自适应的本体查询扩展方法 Adap-On。Adap-On首先自动地构建一个领域知识模型,之后通过查询日志增强这个模型,应用中通过基于查询模型和知识模型的混合方法给出扩展关键字,从而最终得到一个自适应查询扩展策略。实验结果表明,Adap-On是有效的,并且优于已有的方法。     

OODBS中查询优化和查询处理技术

本文先扼要介绍了已成成功用于关系查询优化和查询处理的技术也可应用于ＯＯ查询优化和查询处理的理由。接着简要概括了这些技术，最后讨论了将这些技术用于ＯＯ查询优化和查询处理时应作的必要修改和扩充。     

查询扩展在开放领域问答系统中的应用

文档检索是问答式检索系统的重要组成部分,它提供了整个系统进行答案抽取等后续处理的基础.查询扩展是一种能有效地改进文档检索性能的常用方法.FDUQA在检索模块中结合自然语言处理技术,引入了查询扩展功能.实验证明,通过在开放领域问答系统的检索模块中加入查询扩展,文档检索的首位正确率提高了11.6%,返回文档集的整体质量有了明显的提高,提高了系统的整体性能.     

语义完整性在查询优化中的应用

本文分析了语义完整性 规则在查询优化中的作用，提出了利用完整性规则改写查询，以便为传统查询优化器优化机会的思想。文章给出了查询转换的实现方法，包括约束目标的确定，完整性规则的选择，约束的推理，约束的合并及等价查询的生成等。初步试验表明，采用语义优化的方法是非常有效的。