數(shù)字圖書館中跨庫檢索系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、隨著Internet的迅猛發(fā)展，人們對高效率的信息獲取技術(shù)的需要越來越迫切，對海量信息進行采集、分析、整理，得到高質(zhì)量的分門別類的結(jié)構(gòu)化信息，方便用戶快捷地瀏覽查詢，是極具現(xiàn)實意義的重大課題。 為適應(yīng)廣大師生教學(xué)和研究的需要，中國科學(xué)技術(shù)大學(xué)圖書館先后購買了90多種網(wǎng)絡(luò)數(shù)據(jù)庫，涉及的門類非常齊全，為中國科大建設(shè)一流研究型大學(xué)打下了堅實的基礎(chǔ)。由于各個數(shù)據(jù)庫的查詢界面以及查詢結(jié)果的返回界面各異；各個數(shù)據(jù)庫中信息不能統(tǒng)一起來為用戶提

2、供更深入的服務(wù)，基于這種情況，本論文利用脫機的跨庫檢索系統(tǒng)解決上述問題。 脫機檢索系統(tǒng)的最終目的是建立一個脫機的跨庫檢索系統(tǒng)，實現(xiàn)查詢界面和結(jié)果界面的統(tǒng)一化，同時深入挖掘文章的信息，為用戶提供更深入的服務(wù)。本文所研究的就是脫機跨庫檢索系統(tǒng)中兩個重要的技術(shù)：文章信息抽取和關(guān)鍵詞提取技術(shù)。本文的主要技術(shù)和創(chuàng)新點為： 1．針對圖書館各網(wǎng)絡(luò)數(shù)據(jù)庫文章信息的顯示結(jié)果都是同構(gòu)的網(wǎng)頁這一特征，本文提出了一種基于學(xué)習(xí)的抽取模板構(gòu)造方法。

3、這種基于學(xué)習(xí)的模板構(gòu)造方法只需要人工標注兩個網(wǎng)頁即可生成模板，節(jié)省了構(gòu)造者的時間并且構(gòu)造出的模板非常準確。 2．提出一種基于決策樹和馬爾可夫鏈的在互聯(lián)網(wǎng)上自動抽取問答對的方法。先根據(jù)網(wǎng)頁中的HTML標記把網(wǎng)頁表示成一棵DOM樹；然后利用樹中每個節(jié)點的結(jié)構(gòu)和文字信息，抽取相應(yīng)的特征；最后將得到的節(jié)點特征通過由決策樹和一階馬爾可夫鏈結(jié)合得出的分類模型進行分類。 3.為了解決有的文章在網(wǎng)絡(luò)數(shù)據(jù)庫中并沒有給出我們關(guān)鍵詞這個問題。