图书摘要概念图标引方法研究

图书标引是图书检索的前提和基础,把图书或摘要标引成概念图的形式,将有利于满足基于自然语言表述的图书检索需求。从科技类文献摘要出发,通过手工标引,总结常用的概念间关系作为概念图标注的关系集合,结合叙词表构造术语部件库,以便辅助术语识别,用MBL方法进行概念关系构建,在此基础上,提出了一个概念图生成算法,并开发了一个概念图半自动标引的实验原型系统。原型系统的实验表明,该种概念图半自动标引方法获得了较高的正确率。     

智能搜索引擎与知识共享

作为第三代搜索引擎的智能搜索引擎,将基于关键词层面检索的传统搜索引擎提高到基于知识(或概念)层面来分析、处理检索提问,表现出较强的智能化与个性化特色。智能搜索引擎以一定的知识库技术为基础,具有很高的自然语言理解与知识处理能力,它应用于知识管理系统中,将会较大地推动数据挖掘、知识发现与知识流动,从而更准确、及时地促进知识共享的完成。     

一种能综合利用多种检索技术优势的

首先说明,通过分面分类、后控检索和超链接检索技术的利用,信息检索中分类、主题检索优势难以兼得,采用自然语言又影响查全率,扩检、缩检难以同时方便进行的问题是可以解决的.然后又说明,采用分面分类技术可编制一个分类主题一体化的联机词表,在联机词表的基础上可生成具有各种词间关系的后控词表,由于在后控词表网状词间关系的基础上还可引入超链接检索技术,因此如上三种技术的综合利用成为可能,一个具有分类、主题检索两方面优势,使用自然语言、又能保障检索质量,并能方便的进行扩检、缩检检索功能设计得以实现.     

中文搜索引擎事务类检索的有效转换研究

中文搜索引擎事务类检索的有效转换是在网络检索分类的基础上,以用户事务类检索提问为研究对象,对其形式特点、需求类型、表达方式和组成要素等进行多维度的分析。提出利用词汇控制等手段,通过编制要素词表、提问要素加权的方式来实现检索转换,将检索需求表达不确切或不适合现有搜索引擎检索匹配策略的检索提问转换成更有效的检索提问。     

自然语言在智能信息检索中的应用

本文主要结合自然语言在国内外的应用现状，分析了自然语言检索的发展趋势，同时对自然语言标引技术和处理方法进行了探讨，阐述了自然语言智能检索原理及其在智能搜索引擎中的应用，并就其在智能检索中的应用改进提出了自己的一点看法，预见了第三代搜索引擎的自然语言化是一种必然趋势。     

基于用户提问的领域本体知识库的知识检索*

在对汉语智能分词技术、自然语言机器识别技术、Ontology本体构建技术和Ontology知识推理技术进行了较为深入的研究，并在对跨编程语言的程序互调和跨系统运行的软件构建相关技术研究的基础上，使用Java语言采用B/S模式开发出一套基于用户提问的知识检索实验系统。     

基于中文自然语言理解的知识检索模型

基于中文自然语言理解的知识检索模型的设计思路是:通过对用户提问及Web文档信息进行语义层次的自然语言处理,构建概念和概念网络,针对用户真实查询需求与概念网络及其映射的源文档进行推理匹配,然后对检索结果进行排序处理,提交给用户。图2。参考文献5。     

专业的语义智能搜索引擎Quertle——与GoPubMed的比较研究

GoPubMed是基于PubMed的语义智能搜索引擎,Quertle是以PubMed为主要数据源的语义智能搜索引擎,两者都是基于本体向未来语义检索发展的尝试。GoPubMed最大的检索特色是对检索结果的分类统计和可视化。Quertle在本体技术和自然语言处理技术的支撑下,形成了Power TermTM检索,能识别单词大写时的特定含义,将检索提问与关系网进行匹配查找获得高度相关的检索结果。     

网络搜索引擎的比较研究

搜索引擎已成为当前网络信息检索的重要工具,现对几种重要的搜索引擎作一综合全面的对比分析。一、检索提问几乎所有论述搜索引擎的文献都将焦点置于自然语言智能搜索、结果文献的相关性排序以及数据库的全面性这三个方面。但第一个领域的杰出软件尚不发达,网络检索的研...     

自动构造布尔检索提问式算法研究

本文分析和评价了自动构造布尔检索提问式的两种典型算法，在此基础上提出了一种新的算法──基于样本文献提问构造布尔检索提问式算法。核算法以样本文献提问为基础计算检索词的权重，根据检索词权重值的分布规律来构造布尔检索提问式。此算法的主要目的是简化用户在检索中与情报检索系统的交互过程，从而提高检索效率。笔者利用ＡＵＢＯ检索系统对算法进行了验证。结果表明、，该算法在相同的查全水平上的查准率普遍高于手编提问式的检索结果。     

加权检索与逻辑检索的比较及实现途径

本文通过加权检索与逻辑检索的比较分析和引入负值权数的概念, 论述了在计算机情报检索中加权法提问式与提问逻辑式在表达意义上的可等价性, 并提出了合理确定权数的一种简便方法。文中还侧重论述了加权检索在采用顺排文档与倒排文档检索中的实现方法。     

一种基于本体论的智能化网络信息查询方法

提出了一种基于本体论的智能化查询算法,该算法充分利用本体论的推理功能,把出现在用户查询中的概念、关系以及属性等信息进行综合分析,挖掘出用户的真正需求,从而实现智能化的网络信息查询。     

XML结构化检索研究及实现*

针对信息检索角度的XML的结构化检索问题,利用基于倒排文件的方法,使用NEXI作为检索语言,在基于XML的数字图书馆检索实验系统WHU-XML上对其进行实现,并具体分析查询语言的解析方法以及所采用的结构化检索算法。     

从信息构建看未来的知识管理

本文从信息构建出发 ,进而引申到知识管理与知识推理 ,最终提出了知识基础工程。在设计并实现自然语言的语法开发平台时 ,产生了构建知识库的设想。利用语法开发平台 ,就可以对自然语言的语法进行开发 ,加上一个好的算法 ,就可以对大规模文本进行自动分析。对分析过的句子进行内容提取 ,并用面向对象方法和逻辑形式进行格式化 ,得到以面向对象为特征的常识知识库和以逻辑命题为特征的专家知识库 ,这应该是知识发现、知识管理的最高层次 ,也是知识工程的核心     

THEORY AND DESIGN OF SERIAL HOLDING STATEMENTS IN COMPUTER-BASED SERIALS SYSTEMS

Natural language and encoded character-string types of holding statements are described, together with views of the precision or specificity of holdings information. Components of holding statements, that is, natural language identifiers, issue identification data, and date labels, set the scene for examining general serials system holdings considerations. An example of a scheme developed in the course of research by the author at the University of Minnesota is used to point out how internal representations of complex character-strings of holding statement data can be given a structure permitting a high degree of automatic manipulation at the character level while still preserving a translated natural language in data display.     

Extending database programming language with declarative querying facilities

The query language OVAL which is intended for the integration with the database programming language based on C++ is proposed in this paper. The work addresses the impedance mismatch problem [1] between the syntax and the semantics of the programming and query language. The query language OVAL is based on the functional query language FQL [3] extending it for the manipulation of complex objects. The salient features of the OVAL query language are: (i) functional nature of the query language, which makes the language suitable for the integration with the procedural programming languages and provides modular style of query definition, (ii) the use of schema information for expressing queries and (iii) recursive evaluation of the algebraic operations on set structured complex objects.     

基于Apriori改进算法的局部反馈查询扩展

提出面向查询扩展的Apriori改进算法，采用三种剪枝策略，极大提高挖掘效率；针对现有查询扩展存在的缺陷，提出基于Apriori改进算法的局部反馈查询扩展算法，该算法用Apriori改进算法对前列初检文档进行词间关联规则挖掘，提取含有原查询词的词间关联规则，构造规则库，从库中提取扩展词，实现查询扩展。实验结果表明该算法能够提高信息检索性能，与现有算法比较，在相同查全率水平级下其平均查准率有了明显提高。     

问答式信息检索查询优化技术研究

问答式信息检索是新一代搜索引擎,它接收自然语言描述的问题,在文档集合中搜索并返回问题的精确答案.问答式信息检索中,检索模块性能的提高将直接影响问题回答系统的整体性能.本文研究系统中的查询优化技术,包括两种策略:基于模式知识库的查询优化;挖掘Web语义蕴含信息,构建查询扩展资源.本文利用TREC提供的问题集与答案集(TREC8-TREC13)做实验来测试查询优化方法的性能,实验结果表明,相对于传统的查询生成,本文采用的查询优化技术在检索精度上取得了提高,t-test结果证明,系统性能提高统计显著.     

自然语言检索扩展词库的构建方法

检索词自动扩展词库构建方法的基本思路是：根据语料是否规范化处理进行词库分类建设,优化了系统的检索性能;结合学科类别,对词库语料进行领域划分,引导科技人员对技术领域的准确把握;建设以本体库为基础,将与规范词具有关联性、相似性的语料通过关系表与关联库关联,把科技文献中的关键词组成一个有序的关系网,解决了传统检索系统中检索词无关联的不足;通过对检索词出现频率进行统计分析,进而更新词库,保证本体库、关联库语料的时效性,突破了人工对词库更新管理的受限性。     

基于深度学习算法的学术查询意图分类器构建

[目的/意义]实现学术查询意图的自动识别,提高学术搜索引擎的效率。[方法/过程]结合已有查询意图特征和学术搜索特点,从基本信息、特定关键词、实体和出现频率4个层面对查询表达式进行特征构造,运用Naive Bayes、Logistic回归、SVM、Random Forest四种分类算法进行查询意图自动识别的预实验,计算不同方法的准确率、召回率和F值。提出了一种将Logistic回归算法所预测的识别结果扩展到大规模数据集、提取"关键词类"特征的方法构建学术查询意图识别的深度学习两层分类器。[结果/结论]两层分类器的宏平均F1值为0.651,优于其他算法,能够有效平衡不同学术查询意图的类别准确率与召回率效果。两层分类器在学术探索类的效果最好,F1值为0.783。