基于信息集結(jié)算子的Web信息檢索方法研究.pdf

1、信息檢索的研究已有多年歷史，自World Wide Web (WWW)產(chǎn)生以來，如何在海量的信息資源中檢索到有用的信息更成為一個非常重要的課題，同時這方面的研究也有了一定成果。Yager提出的有序加權(quán)平均算子(Ordered Weighted Averaging Operator)已經(jīng)廣泛應(yīng)用于決策分析、專家系統(tǒng)、人工神經(jīng)網(wǎng)、模糊系統(tǒng)等方面。它提供了廣泛的包括極大、極小和算術(shù)平均的參數(shù)化集成算子，并可以應(yīng)用于各種信息集成問題中。如何將O

2、WA應(yīng)用到Web信息檢索是一個非常值得考慮的問題。 Web 信息檢索系統(tǒng)作為用戶層和 Web 信息層之間的中間層，可以進一步地劃分為3個層次，包括：搜索引擎與目錄、元搜索引擎、信息檢索Agent 。本文就是按照搜索引擎、元搜索引擎、Agent三個層次提出了基于OWA算子的Web信息檢索模型，旨在尋找提高網(wǎng)絡(luò)信息檢索效果的手段和方法的有效途徑，并最終提高網(wǎng)絡(luò)信息的檢索效果，使得網(wǎng)絡(luò)信息資源得到充分有效地利用。 全文主要包括

3、七個部分： 第一章對信息檢索及 Web 信息檢索的研究現(xiàn)狀進行了綜述，為下文的進一步研究奠定了基礎(chǔ)。 第二章詳細闡述了Web信息檢索層次分類，介紹了幾種傳統(tǒng)信息檢索模型，包括布爾模型、向量模型、概率模型、概念模型，并且闡述了Web信息檢索中的信息集成問題，綜述了各種信息集結(jié)算子。 第三章提出了用戶查詢含數(shù)值權(quán)重的擴展的布爾信息檢索模型。此模型中，文檔采用了一種改進的關(guān)鍵詞頻率一逆頻率(TF、-IDF)方案，查詢表

4、達式用帶有數(shù)字權(quán)重的檢索關(guān)鍵詞表示。然后采用自下而上的匹配策略，用調(diào)整的幾何平均算子和有序加權(quán)平均算子進行信息集結(jié)，最終得到了每個文檔對查詢表達式的檢索值。 第四章建立了基于OWA的用戶查詢含語言值權(quán)重的擴展的布爾信息檢索模型，這個模型與上個模型的不同在于在查詢語句中用語言值權(quán)重代替數(shù)值權(quán)重。匹配策略也是自下而上的，最終得到了每個文檔對查詢表達式的檢索值。 第五章建立了基于OWA進行結(jié)果融合的元搜索引擎模型。本章中用OW