中文文本信息檢索相關(guān)技術(shù)研究.pdf

1、隨著國際互聯(lián)網(wǎng)的快速普及，通過網(wǎng)絡(luò)共享的中文信息資源以接近指數(shù)級的速度遞增。要從這么多的網(wǎng)頁中找到我們需要的信息，無疑像大海撈針一樣困難，而信息檢索技術(shù)就是為了幫助人們快速地找到所需的信息。 中文作為一種典型的以表意為基礎(chǔ)的象形文字，與西方的拼音文字有很大的不同，適用于西方拼音文字中的檢索方法并不能直接應(yīng)用于中文。本文對中文信息檢索中的幾個重要問題進(jìn)行了研究。主要的工作包括以下幾個方面： 第一，使用基于查詢手工詞切分的方

2、法對中文文本的各種特征表示方法進(jìn)行了比較研究。本文的試驗結(jié)果為將來中文文本信息檢索研究提供一個重要的參考，對于研究者探索新的索引策略是一個很重要的依據(jù)，對于為了改進(jìn)索引策略或檢索模型而進(jìn)行的在同等條件下不同策略的比較研究也具有重要的指導(dǎo)意義。 第二，通過研究考察已有的查詢擴(kuò)展技術(shù)在中文信息檢索中的有效性，并根據(jù)人類進(jìn)行信息檢索的思維模式，提出了一種新的基于相關(guān)術(shù)語群的查詢擴(kuò)展技術(shù)。在NTCIR-4和NTCIR-5中文信息檢索測試

3、集上進(jìn)行的實驗表明，相對于傳統(tǒng)的查詢擴(kuò)展，利用機(jī)器自動構(gòu)建的相關(guān)術(shù)語群的查詢擴(kuò)展方法在檢索效果上取得了較大的提高。不同于傳統(tǒng)的查詢擴(kuò)展方法的是：本文同時利用了檢索語料外部和內(nèi)部的，以及檢索文檔局部和全局的各種不同的相關(guān)性信息，從而克服了使用單一某種相關(guān)性信息的缺點，提高了查詢擴(kuò)展的性能。 第三，設(shè)計并實現(xiàn)了一種中文信息檢索系統(tǒng)。本系統(tǒng)具備良好的可擴(kuò)展性，可以適應(yīng)從個人資料庫到大型數(shù)字圖書館的不同規(guī)模的應(yīng)用。 第四，綜合運(yùn)