基于本體的跨語言全文檢索模型的研究.pdf

1、近年來，國內(nèi)企業(yè)紛紛走向國際化，企業(yè)內(nèi)部涉及多種語言，這樣跨語言信息檢索CLIR(CrossLanguageInformationRetrieval)成為企業(yè)關注的焦點，雖然已經(jīng)存在某些CLIR系統(tǒng)，但是它們使用的是傳統(tǒng)的全文檢索策略，這種檢索策略尋找的信息僅僅是字面本身的信息，單純的字符匹配無法提供基于概念的智能檢索，計算機無法識別其語義以至于忽略了這個信息的概念及其相關的成分，并且往往會返回大量無關信息，這樣系統(tǒng)的查全率和查準率都很

2、低。因此，企業(yè)迫切需要一種智能跨語言檢索系統(tǒng)。為此，我們提出了一種基于本體的跨語言全文搜索引擎。它不但能夠實現(xiàn)跨語言的信息檢索，還能夠理解查詢的隱含信息，返回給用戶與輸入查詢密切相關的信息。 本文對多種搜索引擎作了深入地研究，最終選擇Lucene作為本模型的檢索基礎。Lucene是一種開放源代碼搜索引擎框架，它能夠處理多種語言，但是它是基于關鍵字的全文檢索，具有傳統(tǒng)搜索引擎不能理解查詢語義的缺點?；谶@種情況，我們在Lucene

3、的基礎之上，利用本體在描述事物上的優(yōu)勢，對用戶的查詢進行擴展，突破了基于關鍵字的傳統(tǒng)檢索策略的不足，能夠返回給用戶與關鍵字緊密相關的各種信息。我們創(chuàng)建了自己的模型，實現(xiàn)的是以旅游知識為檢索領域的智能搜索引擎，模型檢索來自于新浪和雅虎的97篇文檔，使用平均查準／查全率曲線對檢索策略進行評價。通過與傳統(tǒng)跨語言搜索引擎的對比性研究我們得出：基于本體的檢索策略有效的提高了跨語言全文檢索的性能。 本系統(tǒng)與其它基于本體的智能搜索引擎的區(qū)別在