《汉语主题词表》与英文超级科技词表概念映射构架设计

在网络时代,知识组织体系映射有利于实现信息的集成检索与获取。文章设计了《汉语主题词表》（工程技术版）与英文超级科技词表的概念映射模型,包括中文与英文词表的概念语义映射方法、概念映射数据描述、机器辅助和最短距离映射规则等,并讨论了中英文双语检索模型的应用前景。同时,基于英文超级科技词表的概念关系网络及其中文规范译名,提出了《汉语主题词表》扩充和完善的方法,从而更好地实现中英文概念映射,使英文超级科技词表在知识检索和知识发现中发挥更大的作用。     

以多语本体库为核心的跨语言信息检索映射技术研究进展——EuroWordNet案例分析

[目的/意义]通过对国内外多语本体领域映射技术相关研究成果的总结和EuroWordNet案例分析,为国内跨语言信息检索系统映射机制的建立提供借鉴和参考。[方法/过程]选取目前发展较为成熟的多语本体库EuroWordNet作为案例,分别从数据库设计、本体构建、概念存储和多语文化差异的映射处理4个方面对其中间语言索引机制(Inter-Lingual-Index,ILI)进行分析。[结果/结论]嵌入式的数据库结构设计、概念抽取及同义词集对应关系的界定、概念存储的细粒度化和复杂等价关系的建立是建立跨语言信息检索映射机制的关键。     

基于词词关联矩阵改进的模糊检索研究——模糊语词转模糊概念检索方法探究

语义网的发展为模糊语词转模糊概念检索提供了可能,鉴于词表在模糊检索系统中的主导地位,实现模糊概念检索必须先完成词表向本体的转换。在综合分析和评价已有转换方法的基础之上,提出综合转换法。该方法继承间接转换法规范的概念抽取及关联设计规则,又通过综合评议和词信息量、词间关联度、文档频率等参数的算法设计改变了直接转换法过于程式化的处理方式。最终将词词关联矩阵转换为概念矩阵,叙词表升级为本体库,并在现有检索算法的基础上设置了检索原子与概念的映射关系,以实现概念检索。     

受控词表中多维坐标系统构建——以公共数字文化资源整合为例

[目的/意义]以公共图书馆、博物馆、美术馆和群众艺术馆数字资源整合为例,探讨通过赋予受控词汇"身份",提高资源检索的效率的方法。[方法/过程]定义多维坐标系统空间面、主题坐标轴和坐标点;通过为词汇概念赋予标识符,建立概念与词汇的关联,按一定规则为词汇赋予"身份",以概念优选机制、关联数据技术与索引表构建作为其辅助。此外,通过解析用户检索词语义,构建语义标识符,并对概念标识符进行拆分、组合,利用测算标识符点距的方法建立语义标识符与概念标识符之间的映射关系,实现检索维度优选。[结果/结论]多维坐标系统的坐标关系模型以"面-线-点"的坐标关系处理层次为基础,以"概念定位-词汇定位-资源定位"的检索层次为依据,并结合优选、关联与索引,拆分、组合与点距等相关实现机制,通过量化方法来处理词汇关系,能够提高机器对词汇的理解。     

网络信息检索的效率研究

从检索效率的概念出发分析了网络信息检索效率的评价指标 ,探讨了影响信息检索效率原因 ,最后提出了相应的对策。     

信息分类检索的模式演进及发展趋势

分类检索是基于分类思想的一种信息检索模式,先后经历了早期的分类认知模式、传统的分类索引模式、网络分类导航模式、分类主题一体化模式、分类检索2.0模式。分类检索2.0模式将是信息分类检索的发展方向,并随着检索实践的专业化需求进一步走向规范化。     

基于中文词义概念的Web信息分类检索研究

通过领域范畴索引构建网上中文信息分类检索的语义环境，使主题检索受控于范畴分类，并在此基础上研究了一种新型的Web信息分类检索方法，并证明概念词检索定位在主题类目下其查准率有进一步的提高。该研究应用于多种搜索引擎查找以不同类目归类的同一内容信息时，在类目名称与实际内容不一致情况下用户也能在同一类目下找到相关内容的信息。     

本体视图特征项提取算法及其在智能检索中的应用

在基于本体的智能检索框架中引入本体视图,提出一种基于本体视图的特征项提取方法,通过利用中文信息结构提取器对文本进行特征提取,并进行类型映射,得到可计算的特征项。此方法比单纯的词汇信息更能体现概念信息特征,能提高检索系统的性能,提高检索的准确率和效率。     

信息检索与利用国家精品课程网站用户满意度测评模型研究

在界定信息检索课程、信息检索精品课程网站、网站用户的概念后,构建信息检索与利用国家精品课程网站的用户满意度测评模型。在理论分析的基础上提出12个研究假设,同时提出相关的观测变量和操作化衡量项目。     

Document vector representations for feature extraction in multi-stage document ranking

We consider a multi-stage retrieval architecture consisting of a fast, “cheap” candidate generation stage, a feature extraction stage, and a more “expensive” reranking stage using machine-learned models. In this context, feature extraction can be accomplished using a document vector index, a mapping from document ids to document representations. We consider alternative organizations of such a data structure for efficient feature extraction: design choices include how document terms are organized, how complex term proximity features are computed, and how these structures are compressed. In particular, we propose a novel document-adaptive hashing scheme for compactly encoding term ids. The impact of alternative designs on both feature extraction speed and memory footprint is experimentally evaluated. Overall, results show that our architecture is comparable in speed to using a traditional positional inverted index but requires less memory overall, and offers additional advantages in terms of flexibility.     

基于产业链的产业技术分析方法研究——以食品产业技术分析为例

通过对食品产业链进行拆分,筛选专题领域,建立专题领域的分析指标,将文献检索、专利分析、市场分析、核心技术聚焦等一系列情报分析方法进行整合,较完整地反映食品产业的发展现状和前景,为科技决策与研发提供参考服务。在此基础上,形成一套基于产业链的产业技术服务模式,以供业界研究和探讨。     

一个基于XML的引文索引模型设计及其实现

本文概述了引文索引在科学研究、信息检索和技术开发等方面的独特利用价值 ,结合当今Web上数据表示和数据交换的新标准XML的优势 ,提出一个基于XML标记语言的引文索引模型 ,在此模型的基础上提出引文索引构建、检索和引文分析的实现方法     

基于本体的国史知识检索平台构建研究

[目的/意义]构建国史知识检索平台,提高用户获取国史知识的效率,促进国史宣传和教育。[方法/过程]提出基于本体的国史知识检索平台构建思路与总体框架,在构建国史本体知识库的基础上,采用Neo4j数据库作为RDF数据仓储,创建基于Solr的实例索引、三元组索引和词条索引,针对多种检索需求设计实现检索引擎的执行流程、检索式构造方法以及查询处理算法,并为国史知识展示设计可视化实现方式。[结果/结论]构建国史知识检索平台,提供实体检索、查询问答、关联检索、时序检索及语义资源浏览等检索与浏览服务。该平台框架及关键技术实现方案可为面向领域知识的深度检索服务提供重要参考。     

Text retrieval: an overview

The current state of the art of text retrieval, and indications of radical developments to come, should be of concern to all involved in text processing in the information chain from author to end‐user. This brief overview, slanted towards the interests of publishers, looks at the recent history of retrieval techniques, and present attempts to deal with information overload and the relative inability of many to conduct effective searches. As networks proliferate, the problem of ‘mapping’ between databases increases in complexity, and mention is made of attempts by the UK government to establish a system to support interdepartmental search and ‘open government’. The Semantic Web is seen as the next big development, but will require enormous effort. It is concluded that text retrieval is less often a separate facility as it is increasingly embedded, as a required tool, in larger systems.     

全文检索处理技术研究Ⅰ:汉字全文检索技术

提出了汉字全文检索系统的新的数据结构、建库和检索的算法，完成了程序设计、用于对中国化学文献数据库标题和文摘的检索，测定了索引建立时间、空间消耗和检索的响应时间，计算了每篇文献的长度在不同范围时的高频字数和索引空间消耗，讨论了索引膨胀比与文献长度的关系     

Using Corpus-Based Approaches in a System for Multilingual Information Retrieval

We present a system for multilingual information retrieval that allows users to formulate queries in their preferred language and retrieve relevant information from a collection containing documents in multiple languages. The system is based on a process of document level alignments, where documents of different languages are paired according to their similarity. The resulting mapping allows us to produce a multilingual comparable corpus. Such a corpus has multiple interesting applications. It allows us to build a data structure for query translation in cross-language information retrieval (CLIR). Moreover, we also perform pseudo relevance feedback on the alignments to improve our retrieval results. And finally, multiple retrieval runs can be merged into one unified result list. The resulting system is inexpensive, adaptable to domain-specific collections and new languages and has performed very well at the TREC-7 conference CLIR system comparison.     

Exploiting Manual Indexing to Improve Collection Selection and Retrieval Effectiveness

Vocabulary incompatibilities arise when the terms used to index a document collection are largely unknown, or at least not well-known to the users who eventually search the collection. No matter how comprehensive or well-structured the indexing vocabulary, it is of little use if it is not used effectively in query formulation. This paper demonstrates that techniques for mapping user queries into the controlled indexing vocabulary have the potential to radically improve document retrieval performance. We also show how the use of controlled indexing vocabulary can be employed to achieve performance gains for collection selection. Finally, we demonstrate the potential benefit of combining these two techniques in an interactive retrieval environment. Given a user query, our evaluation approach simulates the human user's choice of terms for query augmentation given a list of controlled vocabulary terms suggested by a system. This strategy lets us evaluate interactive strategies without the need for human subjects.     

基于WordNet和SUMO本体集成的自动语义检索及可视化模型

针对语义检索在实际应用中面临的用户查询意图获取困难、潜在语义索引计算复杂、领域本体覆盖范围小、概念语义类型不丰富、自动化程度低等问题,提出基于WordNet和SUMO本体集成的自动语义检索及可视化模型。实验表明这种模型能够过滤掉大量与用户查询无关的信息,提高信息检索系统的检准率,并很好地满足用户可视化和个性化检索需求。     

以数据空间理念建立关系发现应用--NSTL智能检索平台的实践

数据空间是基于pay-as-you-go思想进行集成的一种数据组织形式。文章以NSTL智能检索平台的实践为背景,提出采用数据空间理念构建知识关联网络,实现pay-as-you-go模式的关系发现应用。     

WWW信息检索可视化实现原理研究

 随着对可视化研究的深入，出现了许多不同表现形式的可视化检索系统。在总结分析已有信息检索可视化系统的基础上，本文提出了WWW信息检索可视化的一般原理，并指出信息检索可视化的实现需要始终坚持以支持信息检索为目标的原则。