需求概念圖導引下的信息檢索算法研究.pdf

1、隨著互聯(lián)網和信息科技的飛速發(fā)展，快速高效地從海量數據當中檢索到內容成為一個越來越重要的需求。本文中首先針對目前信息檢索技術的發(fā)展現況進行了簡要的介紹和分析，介紹了傳統(tǒng)信息檢索技術以及概念圖為代表的語義檢索模型。
　　為了更好的提供信息檢索服務，還要更準確的把握用戶需求的內容和特點。本文以搜索引擎的檢索日志和問答網站的問題語句為例，對用戶的信息檢索需求語句的形式和特點進行了簡要的分析。我們發(fā)現在問答社區(qū)的問題語句中，問題語句的字數遠

2、高于搜索引擎紀錄，這些分析表明用戶對問句形式的檢索具有很大需求，因此基于語義分析的檢索模型將是未來研究的重點方向。
　　本文對概念圖模型的表示形式、數學定義和運算法則等方面進行了簡要介紹，詳細敘述了計算概念圖相似度的計算公式和方法。之后就概念圖的標引問題及其研究現狀簡要敘述，確定了本文的研究方向是探索使用標引好的概念圖進行準確高性能的信息檢索的方法。之后，本文提出了引入分布式計算模型當中常用的有向無環(huán)圖模型，將其與概念圖模型結合起

3、來進行信息檢索的方法。選用的RDD模型作為目標模型，給出了將概念圖模型通過轉化為RDD模型的算法和對應的評價函數。在轉化的時候我們首先確定概念圖的中心節(jié)點，此后以中心節(jié)點為根將概念圖展開為樹形結構并移除多余的關系節(jié)點，然后將中心節(jié)點之外的概念節(jié)點以及其直接前驅的關系節(jié)點組合起來生成轉換節(jié)點。最后再分層次地為樹結構添加聚合節(jié)點，從而輸出流過這一有向無環(huán)圖計算模型的每一個文檔的最終排序評分。
　　本文設計并實現了算法對應的原型系統(tǒng)，將