基于检索词扩展和文本表示的文库搜索引擎

发布时间：2019-07-17 08:28

【摘要】：信息检索是内容驱动类应用的基础,搜索结果的好坏直接影响到用户是否迅速及时取所需信息。目前,针对特定领域的垂直类搜索引擎从一定程度上满足了用户获取特定信息的需求,然而基于文本匹配的全文检索引擎不能从语义的角度进行检索,使得搜索结果过多依赖检索词的选取。针对以上问题,本文从知识本体之间的关系、文本的词向量表示等方面进行分析,提出了基于检索词扩展的评分排序算法,主要完成的研究和工作如下:(一)基于本体关系的检索词查询扩展方法研究。以中文维基百科为载体,从固定页面结构中抽取的数据,按照一定的规则自动构建为知识本体。将本体数据持久化至本体存储引擎后,可提供查询服务,返回本体的描述数据和具有关联关系的本体集合。本体的描述作为搜索结果的展示和补充,本体的上下位关系和关联关系作为检索词的扩展依据。(二)基于词嵌入的文本表示及相似度计算研究。使用Word2vec对中文语料数据进行训练,通过训练结果词向量判断文本之间的相似度,从而寻找检索词的相似词集。同样,将文库文档的标题向量化后按一定的原则设置权重。最后根据用户行为,实现了基于词向量线性运算的个性化文档推荐。(三)基于Lucene检索结果的Dscore排序算法。针对本文的应用场景,结合基于关联本体的检索词扩展和基于词向量的语义相似度计算等研究内容,提出检索词的扩展算法和检索结果的Dscore排序算法。对本文研究的搜索引擎进行设计和实现,同时完成了对该系统的测试和检索结果评价。本文研究成果结合具体应用场景进行转化,最终形成“打印云在线打印”项目,搜索引擎承担项目的共享文档检索任务。
文内图片：
图片说明： 第一章 绪 论目的及意义内容服务提供类应用的基础工作，搜索结果的好坏决定着要的信息，直接影响用户对整个系统的评价。相比通用搜更是承担着系统数据的精确展示工作。垂直搜索引擎的特户对个性化信息检索的需求。因此，研究者投入了大量精中的检索效果。由于基于关键词的搜索引擎检索结果对词场景下的个性化搜索要求，，往往会出现高匹配、低精度，低的问题。下，本文结合知识本体与词向量的相关研究成果，讨论针，对垂直搜索引擎中的检索词提出了合理的扩展方法，对的优化策略，实现更适合文库类应用的搜索引擎，并结合形成可实际应用的打印云平台。-
文内图片：
图片说明： 图 1.1 语义网体系框架I和 Unicode。识符（URI）是语义网的根基。在 RFC 2396 里对 URI 的使URI 可按用户需求而进行个性化的自定义。URI 的使用与照概念来说 URI 是包含 URL 的。Unicode 定义了一个字符素都使用两个字节来描述，因此这个集合包含了162 个字符案，基本上覆盖了世界上所有语言使用的字符，这样就解的格式的问题。URI 和 Unicode 是整个语义网体系的基础，Unicode完成了资源的编码。法层（XML、Namespace、XMLSchema 和 XMLQuery）。数据表示和数据交换的标准，它的语法格式自由，使得用己的标记集，利用这些标记就可以完成 XML 的编写。根据标记的前面加入 URI 就可以解决同名标记的问题。随着在
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.3

【参考文献】

相关期刊论文 前10条

1 母克东;万琪;;关系抽取研究综述[J];现代计算机(专业版);2015年03期

2 魏瑞斌;;国内知识图谱研究的可视化分析[J];图书情报工作;2011年08期

3 邓三鸿;顾婷婷;;我国图情领域核心期刊论文作者同被引现象的可视化分析[J];情报科学;2010年11期

4 廖胜姣;;基于TDA的情报学研究前沿知识图谱的绘制及分析[J];情报理论与实践;2009年11期

5 陈兰;金远平;;基于本体的垂直搜索引擎研究[J];计算机应用与软件;2009年11期

6 周德懋;李舟军;;高性能网络爬虫:研究综述[J];计算机科学;2009年08期

7 白崇远;;《维基百科》的特性及影响[J];辞书研究;2009年02期

8 石川;李清勇;史忠植;;一种快速的基于占优树的多目标进化算法[J];软件学报;2007年03期

9 Henk F．Moed;刘俊婉;金碧辉;;h指数构建有创意 用于评价要慎重[J];科学观察;2006年01期

10 杜小勇;马文峰;;学科领域知识本体建设方法研究[J];图书情报工作;2005年08期

相关硕士学位论文 前2条

1 屈天鹏;基于SCI的辽宁省高校自然科学学科分布与合作网络知识图谱[D];大连理工大学;2009年

2 侯剑华;工商管理学科主干理论的演进[D];大连理工大学;2008年

本文编号：2515371