基于向量空間的中文科技文獻信息檢索系統(tǒng)研究.pdf

1、在實際信息檢索系統(tǒng)中，信息檢索系統(tǒng)的查全率和查準率都不是很高，針對不同的文獻集，信息檢索系統(tǒng)的性能也不一樣，很多系統(tǒng)盡量適應各種文獻的檢索，這樣性能就更加低效，與其說使檢索系統(tǒng)適應各種文獻類型不如退而求其次，針對不同的文獻類型設計不同的檢索系統(tǒng)，本文對使用最多的科技文獻的結構進行了分析，針對科技文獻的特點，對中文科技文獻信息檢索系統(tǒng)的各個方面進行了改進。 在討論科技文獻的自動分詞之前首先分析了用來標引文獻的關鍵詞，根據(jù)文獻標引中

2、使用的關鍵詞的特點，改進了分詞詞典和停用詞表，使其更加適用于中文科技文獻的標引需要。針對文獻的五個部分使用了不同的分詞算法，對篇名、摘要和參考文獻使用雙向最大分詞算法，可以從中識別出歧義詞。對于正文由于詞語的重復率比較高，不對正文出現(xiàn)的少量歧義進行處理，也不會對詞頻產(chǎn)生大的影響。正文就只采用正向最大分詞方法。 信息檢索系統(tǒng)選用向量空間模型作為檢索模型。在基于向量空間的信息檢索系統(tǒng)中加入了位置空間，位置空間中篇名、摘要、關鍵詞、正