基于Z39.50协议的分布式信息检索

围绕如何实现分布式环境下的信息检索,分析了Z39.50协议的工作原理,给出了基于Z39.50协议的分布式信息检索系统的体系结构,指出了Z39.50存在的几个问题.     

基于网格中间件Alchemi的分布式信息检索研究

将网格技术引入到分布式信息检索中,提出网格分布式信息检索的框架,并采用网格中间件Alchemi设计了检索模型,从实现的角度分析了信息检索的流程,最后,在使用Windows操作系统的网格环境下对分布式信息检索的效率进行了实验和分析。结果显示,随着数据量的指数增长,信息检索效率有着明显的提升。     

基于Agent的信息检索的应用研究

从信息检索的现状出发,运用人工智能技术,提出一种基于Agent的信息检索方法。通过建立用户个性化信息表,辅助过滤agent在信息提取过程中的精确性,弥补了现有系统在自适应用户兴趣和交互方式等方面的不足。     

信息检索技术的设计探讨

搜索引擎是对资源的检索机器,是网络工具的代表.要实现对信息资源的智能检索,我们要处理的问题有信息预处理、查询检索、动态知识库的构造.首先要在网络中建立全面的网页文档信息,然后建立索引库,最后当有用户进行查询时,匹配器根据关键字在索引库中进行搜索.在经过了搜索引擎的过程,面对更复杂的对象我们又开发出了智能信息检索系统.可以利用动态知识库来扩展更复多的查询对象.     

信息检索技术的设计探讨

搜索引擎是对资源的检索机器,是网络工具的代表。要实现对信息资源的智能检索,我们要处理的问题有信息预处理、查询检索、动态知识库的构造。首先要在网络中建立全面的网页文档信息,然后建立索引库,最后当有用户进行查询时,匹配器根据关键字在索引库中进行搜索。在经过了搜索引擎的过程,面对更复杂的对象我们又开发出了智能信息检索系统。可以利用动态知识库来扩展更复多的查询对象。     

万维网信息检索技巧

文章分析了ＷＷＷ信息检索困难的原因,并从选择搜索引擎、提高查全率及查准率等方面,总结了ＷＷＷ信息检索的技巧以及如何快速、准确地从万维网信息资源中找到自己最需要的信息。     

基于XML的智能信息检索与聚类研究

目前Web上大多是非结构化的信息，检索主要是通过基于关键词的搜索引擎或目录浏览。近来，许多组织、团体、协会在Web上通过DTD／Schema定义XML(Extensible Markup Language)档，由于XML描述了结构化的信息，对XML文档的检索也与以往的搜索引擎不同。为此，本文设计了一个新的基于XML文档的智能信息检索原型系统XIIRC，给出了它的体系结构及功能，并对用户界面、索引机制、查询机制、检索结果概念聚类等问题进行了探讨。     

基于FCA的搜索引擎的信息检索模型及其实现

针对目前搜索引擎因对同义或近义关键词识别困难导致查准率降低的问题,提出了基于形式概念分析(FCA)的智能搜索引擎,为其提出一个基于关键词与FCA相结合的信息检索模型,即利用形式背景(Context)来挖掘隐含在文档中的潜在的概念关系,利用概念格将文档根据概念间的泛化-概化关系进行聚类,以便于用户找到最相关的信息,从而有效地提高了信息查找的效率.试验验证了该模型的可行性,通过实例来演示模型的构造和实现.试验结果表明该模型在概念理解,结果分类方面弥补了目前搜索引擎的缺陷.     

基于改进VSM算法的智能个性化信息检索系统研究

搜索引擎给信息检索带来很大的帮助,但是信息的查准率和个性化却很难保证,针对这些问题,提出了一种基于元搜索引擎的个性化信息检索系统.采用Agent技术构建系统,利用用户知识库建立和更新用户模型,对检索结果的向量空间模型算法结合用户知识库进行了改进.实验表明:系统对于查准率有一定的提高,可以满足用户的个性化需求.     

从信息检索到搜索引擎

信息检索是研究对大规模信息进行快速准确全面的获取、组织、挖掘和提供访问的一门学科,它的目标是从大规模文档集合中返回满足用户需求的文档子集。信息检索涉及自然语言处理、机器学习、数据挖掘、并行分布式处理等多个领域的相关技术。搜索引擎是信息检索的一个具有代表性的应用,也是目前互联网中最重要的应用之一。搜索引擎特别是Web搜索引擎在与一般信息检索系统拥有诸多共性的同时,也具有自己的特点。本文主要介绍信息检索这门学科的一般知识,然后以搜索引擎为例介绍信息检索技术的应用。     

A distributed information retrieval method in peer-to-peer network

To avoid the scalability of the existing systems that employed centralized indexing,index flooding or query flooding,we proposed an efficient peer-to-peer information retrieval system SPIRS (Semantic P2P-based Information Retrieval System) that supported state-of-the-art content and semantic searches. SPIRS distributes document indices through P2P network hierarchically by Latent Semantic Indexing (LSI) and organizes nodes into a hierarchical overlay through CAN and TRIE. Comparing with other P2P search techniques,those based on simple keyword matching,SPIRS has better accuracy for considering the advanced relevance among documents. Given a query,only a small number of nodes are needed for SPIRS to identify the matching documents. Furthermore,both theoretical analysis and experimental results show that SPIRS possesses higher accuracy and less logic hops.     

基于Agent的个性化信息检索技术的研究

提出一种基于Agent的Internet信息检索系统模型.该系统由用户Agent、信息搜索Agent、信息过滤Agent三个模块构成.通过用户信息需求的表达和信息反馈,形成并训练用户Agent;信息搜索Agent与Internet搜索引擎连接,采用有限深度-广度优先的搜索算法,减少搜索范围,加快搜索速度;信息过滤Agent根据用户已有的信息资源分析用户喜好,采用向量空间法进行信息过滤.三个模块密切协作,实现网上信息的个性化、主动性、智能性检索.     

模糊本体在语义信息检索中的应用

传统的语义信息检索是基于检索词语义的匹配,无法满足检索不确定的、不完整的信息以及对检索结果进行聚类处理,因此,提出将模糊本体引入语义信息检索方法。该方法以本体技术先建立领域语义模型,各概念的隶属度加到语义建模的过程中,并提供语义标注;以模糊推理方式对概念、公理等本体进一步处理,从而便于计算机计算处理。能够提高在语义信息检索中对模糊信息进行检索的查准率、查全率,采用聚类技术对检索结果进行聚类,以达到智能化检索的目的。     

应用型本科院校信息检索课教改之思考

应用型本科院校主要培养的是技术型、实用型人才,因而信息检索课的教改应立足于应用型本科院校的人才培养目标进行探索,文章主要从教学内容、课程重点和教学方法以及师资建设方面,探索增强该类院校信息检索课教学实效性之途径。     

半离散矩阵分解改进算法在网页信息检索中的应用研究

利用潜在语义索引的最新技术半离散矩阵分解算法来解决大规模网页索引计算的问题,在实践中根据稀疏矩阵的特点,对该算法进行改进,有效降低检索的响应时间,提高检索效率.     

Web搜索引擎评估技术研究

搜索引擎是Web信息检索的有力工具，科学地评估搜索引擎不仅能够激励和推动搜索引擎技术提供者提供更好的技术支持，并且对搜索引擎技术的发展有很好的引导作用。本文简要介绍了搜索引擎评估技术发展状况，针对评估任务、评估指标等方面进行了具体分析，并对搜索引擎评估的发展方向和评估重点提出了建议。     

中文信息检索中多索引策略融合的研究

索引策略是中文信息检索系统中重要的研究内容之一。对基于字、词和二元文法的索引策略进行研究,分析各自的特点,进行性能对比,在此基础上提出将词的索引策略与二元文法索引策略进行线性融合。应用2-泊松模型的BM25公式在TREC公开数据集上进行测试。实验表明,融合后的索引策略在主要性能评测参数平均精确率、R-精确率参数上相对较优。     

利用信息检索和概率有限自动机的程序理解

为提高基于信息检索的程序理解方法的准确性,提出了一种结合信息检索和概率状态机的两阶段程序理解方法.在该方法中使用概率有限自动机（probabilistic finite state automata,PFA）解决了信息检索结果在程序理解中的不确定性,同时采用信息检索构建了多个简单的PFA,而不是单个复杂的PFA,提高了PFA分析的伸缩性.训练阶段先采用隐式语义分析对源代码进行聚类,然后在聚类结果上生成PFA.在识别阶段以词法处理后的程序作为检索项在程序模板库中进行信息检索,取检索结果中的最相关的n项作为候选模板,由候选模板对应得到相应的PFA,通过分析找到最大概率的PFA,完成对源码内容的语义标注.