自然语言处理在信息检索中的应用研究

在网络信息检索发展的过程中,研究者们不断尝试着将自然语言处理应用到网络信息检索里,希望能为检索效果提高带来帮助。本文介绍自然语言处理的相关技术和方法;然后提出面向用户的查询扩展统计模型中的用户兴趣模型;分析了中文自然语言处理在网络信息检索中的应用。     

领域本体支持下的语义查询扩展研究

人们在利用搜索引擎进行信息检索时,较少的检索词难以反映用户真正的检索意图,因此对用户输入的检索词进行扩展尤为必要。对传统的查询扩展进行了改进,通过建立领域本体,借助本体及本体的推理机制,将用户输入的检索词从直接和间接两方面扩展为语义联系的查询关键词集合,以提高信息检索质量和效率。     

基于用户兴趣的个性化搜索系统研究

针对目前常用搜索引擎在查询时返回结果数量巨大且杂乱无章的现象,在Web客户端为实现对用户的个性化信息服务设计了一种基于用户兴趣的搜索系统。利用用户的兴趣对于用户提出的搜索条件进行处理,再通过常用的搜索引擎进行查询,并将得到的结果进行二次排序,同时通过反馈信息不断更新用户的兴趣,以满足用户不断变化的需求。实验证明这样在保证了查全率的基础上,提高了查准率,从而提高了搜索效率。     

基于用户兴趣的个性化搜索系统研究

针对目前常用搜索引擎在查询时返回结果数量巨大且杂乱无章的现象,在Web客户端为实现对用户的个性化信息服务设计了一种基于用户兴趣的搜索系统。利用用户的兴趣对于用户提出的搜索条件进行处理,再通过常用的搜索引擎进行查询,并将得到的结果进行二次排序,同时通过反馈信息不断更新用户的兴趣,以满足用户不断变化的需求。实验证明这样在保证了查全率的基础上,提高了查准率,从而提高了搜索效率。     

基于用户偏好的个性化网页排序算法

为了按用户偏好对搜索结果进行排序,提出了一种新的个性化网页排序算法PWPR.PWPR基于按照用户偏好调整网页排序的思想,根据用户兴趣为网页分配初始权值,并建立虚连接,通过测量用户的点击流实现用户喜好的区分.对于具有相似兴趣的用户提交的相似关键词查询,PWPR采用协作过滤方式提高排序精确性.仿真结果及与其他算法的比较证明PWPR算法能自适应地实现个性化排序,并根据用户偏好提供相关查询信息.     

基于PLSA的面向用户的网络搜索

针对当前的搜索引擎提供面向查询、而非面向用户的服务,从而导致搜索引擎无法满足用户个性化的需求这一问题,提出了一种基于PLSA的新方法,将面向查询词的搜索转变成面向用户的搜索.首先,通过分析用户查询历史和浏览记录建立代表用户模型的用户兴趣向量,在用户发出查询时用户的查询词根据用户兴趣向量被映射到兴趣分类上,最终根据面向用户排序算法将返回结果列表重新排序.实验表明该面向用户搜索系统能够充分考虑用户的偏好,从而更好地满足不同用户的信息需求.     

基于多领域的元搜索引擎

由于单个搜索引擎所采用的排序算法和搜索范围不同,用户很难得到准确的结果信息;而元搜索引擎通过同时调用多个搜索引擎,在一定程度上提高了检索效果;垂直搜索引擎通过针对某一特定领域如医学、金融等为查询用户提供相关信息。本文针对多领域的信息检索,提出了将元搜索引擎与垂直搜索引擎相结合的方法,并构建了三种多域元搜索引擎,实验证明,与使用单独的搜索引擎相比,使用该搜索引擎能够获得更好的检索效果。     

基于概率潜在语义分析的Blog个性化查询扩展研究

随着Web2.0技术的日益成熟和Blog技术的发展,Blog页面的数量呈指数级上升,只靠基于关键字匹配的Blog搜索引擎已满足不了用户的需要。传统Blog搜索引擎的搜索效率达不到用户个性化要求,受概率潜在语义分析技术研究的启发,将概率潜在语义分析模型用于Blog日志查询,根据用户的兴趣和个性化特点进行检索,返回与用户需求相关的查询结果。实验结果表明,相对于传统的向量空间模型和潜在语义分析模型,基于概率潜在语义分析模型的Blog日志查询在平均精度和召回率上得到了显著提高。     

一种面向主题的用户兴趣挖掘模型研究

用户查询表达式中包含的有效信息对于检索结果影响很大,利用企业信息系统搜集和挖掘与用户检索兴趣相关的信息,有助于解决检索信息不足的问题.为此,提出一种面向领域主题概念的搜索引擎构架,据此建立面向主题的复合算子调节用户兴趣趋向的线性规划预测模型,该模型可预测用户的最大兴趣,生成用户兴趣查询表达式,提高检索的查准率和查全率.另外,还提出一种用户兴趣演变探测因子重建用户兴趣特征向量的方法.     

基于本体的数据库元搜索引擎域映射

为了实现数据库元搜索引擎在语义层次上的映射,采用本体作为信息的组织形式,并记录本体中没有的新词,当使用新词的频率超过一定阈值时,加入到本体库中,对本体进行扩充.查询过程支持"与"和"或"布尔运算.为了提高系统的映射速度,特别添加了一个记忆模块,记录用户近期的查询行为.并在映射过程中自动学习用户的查询兴趣,以此动态决定实例表的查询顺序.实验证明这些方法可以显著降低系统平均映射时间.     

基于“兴趣集群”的空间网络最优位置的选择与查询研究

针对空间网络的查询选择单一性和忽略了群集效应的缺陷,本文提出基于兴趣集群的最优位置查询方法,给出了该方法的实施策略,通过选取合理"兴趣集",研究"兴趣集群"的查询,使得最终查询结果满足集合内部的兴趣点是高密度、集合与集合之间低耦合,降低数据重复率,从而保证查询结果的有效性,提高用户的满意度和资源的合理调配。     

基于 LDA 特征扩展的用户画像

采用用户历史查询词构建用户画像时,现有向量空间模型存在特征稀疏和上下文依赖性强的问题。针对该问题,通过引入 LDA 主题模型,首先提取查询词潜在主题,得到查询词对应的主题分布;然后将概率最大的主题对应的词扩充到原始特征空间中,丰富用户特征;最后采用 SVM 分类算法对用户基本属性进行分类,构建用户画像。实验表明,利用 LDA 模型对用户特征进行扩展比传统向量空间模型用户画像精度提高了 1.6%。     

个性化搜索引擎中用户兴趣模型研究

对个性化搜索引擎中的用户兴趣模型进行了分析研究。首先,分析了现有用户兴趣模型的不足,指出了用户兴趣模型的基本结构,对用户兴趣模型的特征提取采用基于词频统计的TF-IDF算法;然后,利用用户的短期兴趣和长期兴趣建立用户兴趣模型,并分别对其进行了更新优化;最后,提出了个性化搜索引擎的具体工作过程。     

搜索引擎的信息查询模型与系统结构

从信息查询模型和系统结构出发．阐述了搜索引擎的运行模式与构成。对查询模型的布尔逻辑模型、模糊逻辑模型、向量空间模型以及概率模型进行了详细的分析;同时探讨了搜索引擎的系统结构以及索引数据库的建设步骤。     

网络信息检索及其前沿技术的发展

研究通过对网络资源现状和用户的信息检索行为进行分析,进而讨论解决现有问题的一些前沿技术.在对未来的网络环境进行一定的分析,展望未来用户如何进行网络信息检索,既这些前沿技术在网络信息检索中的运用.     

一种改进的用户兴趣模型构建及应用

针对用户浏览的Web页面内容进行用户兴趣挖掘,并采用多元线性回归分析法进行用户浏览行为分析,得到用户兴趣特征矩阵,隐式地创建了用户兴趣描述文件,最后通过基于有效指数的K Means聚类算法得到了改进的用户兴趣模型。实际应用表明,该模型能有效地表达用户的兴趣偏好,提高了个性化服务质量。     

基于相关反馈的个性化信息检索模型研究

分析了通用搜索引擎存在的不足,设计了一个基于相关反馈的个性化信息检索模型。该模型采用相关反馈技术与用户个性化模式相结合的方式进行信息检索,使信息检索的效果有了明显提高。     

电子商务平台中用户查询意图识别与分析方法研究

在电子商务平台中为了提高用户查询意图识别与分析效果,提出基于查询意图的分类方法,对URL进行意图分类.从购物车选择、商品特征、商品口碑与品牌刺激特征进行分析,判断用户的意图;对文中所研究的用户意图识别方法进行实验分析,以用户行为和商品特征为例进行说明.结果显示,在高意图的用户购买行为中,行为特征中用户在页面累计活跃度、...     

Web信息检索模型中的相似度计算方法研究

Web信息检索使人们能够在海量信息中找到所需信息,但由于自然语言多义性和用户检索时检索词的模糊性、不准确性,导致信息检索系统反馈结果往往不能完全满足用户需求。分析信息资源特点及Web信息检索基本原理、相关反馈技术,探讨信息检索模型中的相似度计算方法及查询扩展、检索结果过滤与重排、信息推荐服务、检索技术。     

Internet智能信息检索技术研究

在Internet上大量的、分布的、动态的信息造成了“信息过载”，如何在传统信息检索技术的基础上开展针对Web的检索工作已经成为一项重要的研究课题．智能Agent利用人工智能领域中的机器学习方法，学习并刻录用户在查询时的信息反馈，建立用户框架，然后利用学到的主动查询用户感兴趣的网页资源,该算法在文章已被正确分词的基础上实现词的自动提取，具有覆盖领域广、抽取速度快、抽取信息准确率高的特点.