信息檢索技術魯棒性研究.pdf

1、如何有效提高信息檢索技術的魯棒性是本論文研究的中心內(nèi)容。本文第一章首先簡要介紹了信息檢索的關鍵技術和研究趨勢，指出了文本信息檢索的三大關鍵技術：“查詢處理”、“相似度計算”和“結果排序”，并相應地提出了論文工作的基本思路：在上述三大關鍵技術中，引入自然語言處理和機器學習的方法，期望以此提高檢索的魯棒性。隨后，第二章和第三章分別介紹了將自然語言處理和機器學習技術應用到信息檢索中的若干模型，并對這些模型在TRECRobustTrack大規(guī)模

2、標準語料庫上的實驗結果進行了詳細分析。接著，第四章介紹了我們NLPR參加TREC2004評測的基本情況以及經(jīng)驗總結。最后，第五章給出了論文工作的總結和展望。 概括來說，本論文主要有如下幾項工作：1.提出詞義熵模型，利用Wordnet提供的結構化的詞義知識，幫助確定查詢項的權重。實驗表明，詞義熵模型與當前常用的TF*IDF權重計算公式聯(lián)合使用，能有效提高檢索系統(tǒng)魯棒性。 2.利用自然語言處理中命名實體和復合名詞的概念，提出

3、了加入名詞性多詞組合的矢量空間模型，以及來源于語義張量概念的核心窗口模型和改進的動態(tài)核心窗口模型。實驗表明，這三個檢索模型都能在一定程度上提高檢索系統(tǒng)的性能。 3.對于如何有效融合多個檢索模型，本文詳細研究了兩大類方法：基于結果的融合方法和基于查詢詞的自動模型選擇方法。對基于結果的融合方法，本文提出了三種方法：簡單合并方法，得分歸一化方法以及文本聚類方法。對基于查詢詞的自動模型選擇方法，本文引入了三種新的查詢項特征，并分別采用了