利用文檔分類結(jié)構(gòu)的信息檢索技術(shù).pdf

1、盡管文檔分類作為一種知識(shí)組織方法在諸多場(chǎng)合有廣泛的應(yīng)用,但針對(duì)這類高質(zhì)量數(shù)據(jù)的數(shù)據(jù)挖掘研究卻不多。本文著重于利用文檔分類結(jié)構(gòu)的信息檢索技術(shù)研究。對(duì)平行分類結(jié)構(gòu)和層次化分類結(jié)構(gòu)兩大文檔分類組織方式作了深入分析并相應(yīng)地提出了多個(gè)信息檢索模型。平行分類結(jié)構(gòu)作為第二代萬維網(wǎng)的典型代表之一,社會(huì)化收藏和標(biāo)注系統(tǒng),比如Delicious和Flickr等,為互聯(lián)網(wǎng)用戶提供了給網(wǎng)絡(luò)文檔進(jìn)行平行分類的功能。由于這種平行分類系統(tǒng)是開放給所有網(wǎng)絡(luò)用戶參與的,

2、所以我們稱之為“社會(huì)平行分類”,本文著重研究這類平行分類系統(tǒng)。網(wǎng)絡(luò)用戶、平行類標(biāo)和網(wǎng)頁(yè)文檔構(gòu)成了社會(huì)平行分類的三大實(shí)體。為此,我們考慮兩塊信息檢索工作。1)利用社會(huì)平行分類作為用戶的興趣指標(biāo)和網(wǎng)頁(yè)的主題指標(biāo)的個(gè)性化信息檢索。通過分析和應(yīng)用社會(huì)平行分類的三個(gè)屬性:類標(biāo)屬性、關(guān)鍵字屬性和結(jié)構(gòu)屬性,我們提出了一個(gè)個(gè)性化搜索框架。2)利用社會(huì)平行分類作為額外元數(shù)據(jù)的通用型信息檢索。我們提出了一個(gè)新的統(tǒng)計(jì)語言檢索模型(LMIR)將文檔的社會(huì)平行分

3、類類標(biāo)和文檔的內(nèi)容結(jié)合,實(shí)現(xiàn)搜索性能的提升。我們進(jìn)行了大量的實(shí)驗(yàn)對(duì)兩個(gè)模型進(jìn)行評(píng)測(cè)。實(shí)驗(yàn)結(jié)果均顯示我們的模型要比基準(zhǔn)模型效能高出很多。層次化文檔分類結(jié)構(gòu)。本部分研究在搜索數(shù)據(jù)集具備層次化內(nèi)容組織結(jié)構(gòu)時(shí)的信息檢索問題,比如ODP網(wǎng)頁(yè)分類數(shù)據(jù)。這些數(shù)據(jù)中的層次結(jié)構(gòu)都是根據(jù)人類先驗(yàn)知識(shí)而構(gòu)建,因此他們?cè)谡Z義層面上是高質(zhì)量的。在信息檢索中將這類數(shù)據(jù)考慮在內(nèi)將有很大潛力提高搜索的效果。我們提出了一個(gè)非參數(shù)的貝葉斯層次化統(tǒng)計(jì)語言檢索模型(NPH-L