基于概念語義空間的語義查詢擴(kuò)展技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展及社會信息化的發(fā)展，信息呈爆炸式增長，人們對信息獲取的要求越來越高，不斷推動(dòng)信息檢索技術(shù)的發(fā)展。當(dāng)前主流商用搜索引擎仍然采用基于關(guān)鍵詞查找的方式。這種查找方式在給用戶提供一種簡便查詢平臺的同時(shí)，也給人們返回了大量與查詢意愿無關(guān)的垃圾結(jié)果。因此，有學(xué)者提出使用查詢擴(kuò)展的方法來解決這個(gè)問題。
　　查詢擴(kuò)展是在原查詢詞的基礎(chǔ)上加入相似或相關(guān)的詞以克服自然語言的“二義性”問題，改進(jìn)查詢意愿的描述。傳統(tǒng)的查詢擴(kuò)展技術(shù)雖然在技

2、術(shù)上有不斷的改進(jìn)，但是仍然以單個(gè)查詢詞為中心進(jìn)行擴(kuò)展，忽略了查詢概念語義之間的關(guān)聯(lián)擴(kuò)展，因而沒有充分表達(dá)和擴(kuò)展出用戶查詢意圖。近年來，語義概念查詢擴(kuò)展成為新的熱點(diǎn)，就是在語義詞典/領(lǐng)域本體的基礎(chǔ)上構(gòu)建概念語義空間，從概念語義空間中提取查詢語義及其語義關(guān)聯(lián)，實(shí)現(xiàn)語義概念擴(kuò)展。這種擴(kuò)展在一定意義上實(shí)現(xiàn)了語義層次的擴(kuò)展，但過于依賴完備的語義體系，導(dǎo)致許多與用戶查詢意愿不相關(guān)的詞的加入，從而容易出現(xiàn)查詢漂移的問題。針對現(xiàn)有查詢擴(kuò)展存在擴(kuò)展詞質(zhì)量

3、不高的問題，本課題在前人研究成果的基礎(chǔ)上，利用語義詞典和文檔集兩種擴(kuò)展源，在語義空間的基礎(chǔ)上引入統(tǒng)計(jì)模型對查詢詞進(jìn)行擴(kuò)展。本文的研究工作主要包括以下幾個(gè)方面：
　　1.語義詞典、領(lǐng)域本體等知識體系已經(jīng)成為智能化信息檢索不可或缺的支撐工具。在傳統(tǒng)構(gòu)建語義森林的基礎(chǔ)上，提出了向上溯源查找最近公共祖先結(jié)點(diǎn)的方法，構(gòu)建出覆蓋面全、冗余度低，結(jié)構(gòu)合理的概念語義空間；
　　2.在對查詢擴(kuò)展進(jìn)行范圍控制的過程中，本課題提出了動(dòng)態(tài)觀察窗口加

4、權(quán)模型，用于強(qiáng)化共現(xiàn)詞之間的關(guān)聯(lián)度。在大規(guī)模文檔集中使用動(dòng)態(tài)觀察窗口加權(quán)模型對初始查詢擴(kuò)展詞進(jìn)行訓(xùn)練，動(dòng)態(tài)設(shè)定顯著性閾值，篩選出最終的查詢擴(kuò)展詞；
　　3.最后，本課題利用文本檢索會議TREC（Text REtrieval Conference）提供的測試數(shù)據(jù)集設(shè)計(jì)并實(shí)現(xiàn)了實(shí)驗(yàn)系統(tǒng)，將實(shí)驗(yàn)結(jié)果轉(zhuǎn)化為相應(yīng)的算法測評指標(biāo)MRR（平均倒數(shù)排名），通過對比可得，本課題提出的結(jié)合概念語義空間與動(dòng)態(tài)觀察窗口加權(quán)模型的擴(kuò)展算法比傳統(tǒng)偽相關(guān)反饋法