針對(duì)社會(huì)協(xié)作生成型數(shù)據(jù)的信息檢索.pdf

1、信息檢索是協(xié)助用戶在海量信息中找到所需內(nèi)容的關(guān)鍵技術(shù)。盡管信息檢索技術(shù)已經(jīng)發(fā)展了幾十年，針對(duì)傳統(tǒng)文本文檔的檢索模型也已經(jīng)比較成熟；然而，面對(duì)不斷涌現(xiàn)的各種新數(shù)據(jù)類型，信息檢索技術(shù)還需要繼續(xù)發(fā)展。近幾年，隨著網(wǎng)絡(luò)用戶的飛速增加以及We b2.0理念的興起，網(wǎng)絡(luò)用戶成為產(chǎn)生各種信息的主角。一方面，他們通過網(wǎng)絡(luò)瀏覽各種資源；另一方面，他們的各種網(wǎng)絡(luò)行為產(chǎn)生了大量有價(jià)值的信息。例如：搜索引擎用戶在搜索過程中留下點(diǎn)擊記錄；美味標(biāo)簽（delicio

2、us.com）的用戶通過該平臺(tái)分享他們喜歡的網(wǎng)站；網(wǎng)頁(yè)創(chuàng)建者通過錨文本將網(wǎng)頁(yè)鏈接到其他相關(guān)站點(diǎn)。一個(gè)用戶的行為及其產(chǎn)生的信息可能作用不大，但有海量用戶每天都在不斷生成數(shù)據(jù)，這將形成一個(gè)良好的知識(shí)庫(kù)。我們把這種用戶生成的對(duì)網(wǎng)絡(luò)資源的描述數(shù)據(jù)稱為社會(huì)協(xié)作生成型數(shù)據(jù)?？傮w上講，社會(huì)協(xié)作生成型數(shù)據(jù)提供的信息具有很高的質(zhì)量，是對(duì)網(wǎng)絡(luò)上一些資源的有效概括，有助于計(jì)算機(jī)對(duì)這些內(nèi)容的理解，對(duì)于信息檢索是很有幫助的。
　　本文根據(jù)包含社會(huì)協(xié)作生成型

3、數(shù)據(jù)的信息檢索應(yīng)用中可利用的數(shù)據(jù)源情況，提出兩種不同場(chǎng)景的信息檢索，并針對(duì)每個(gè)場(chǎng)景提出了信息檢索方法。
　　在只有社會(huì)協(xié)作生成型數(shù)據(jù)的場(chǎng)景下，利用這種數(shù)據(jù)生成特性的信息檢索模型。針對(duì)傳統(tǒng)文檔數(shù)據(jù)的信息檢索研究已經(jīng)有相當(dāng)長(zhǎng)的歷史了，但由于社會(huì)協(xié)作生成型數(shù)據(jù)和傳統(tǒng)文檔數(shù)據(jù)存在很大不同，某些傳統(tǒng)的模型不適合直接應(yīng)用到這種數(shù)據(jù)上。本文具體建模了這種新數(shù)據(jù)的生成特性，并將其與信息檢索關(guān)聯(lián)起來(lái)，提出了新的檢索模型。實(shí)驗(yàn)表明，對(duì)于社會(huì)協(xié)作生成型

4、數(shù)據(jù)的信息檢索，本文提出的新模型的效果比傳統(tǒng)模型有顯著的提高。
　　在既有社會(huì)協(xié)作生成型數(shù)據(jù)又有傳統(tǒng)文本數(shù)據(jù)的場(chǎng)景下，整合這兩種數(shù)據(jù)的信息檢索方案。一些傳統(tǒng)的信息檢索應(yīng)用已經(jīng)取得了一定的成功，但這只利用到那些傳統(tǒng)的文本信息。社會(huì)協(xié)作生成型數(shù)據(jù)作為一種新的、高質(zhì)量的信息源，應(yīng)該有潛力進(jìn)一步提高信息檢索的效果。本文根據(jù)兩類數(shù)據(jù)互相補(bǔ)充的特性，提出基于相互增強(qiáng)的數(shù)據(jù)整合方案，并用整合后的數(shù)據(jù)進(jìn)行信息檢索。實(shí)驗(yàn)表明，與簡(jiǎn)單的把數(shù)據(jù)組合到一