潛在語(yǔ)義的Markov網(wǎng)絡(luò)檢索模型的研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)不斷發(fā)展，人們可方便獲得大量信息，但高效的獲取信息仍是面臨的一個(gè)巨大挑戰(zhàn)。信息檢索是一種有效地獲得信息的技術(shù)，它能幫助人們從海量信息中迅速找到所需信息。 在檢索模型中，由于文檔和查詢(xún)的不確定性，它們之間的詞的簡(jiǎn)單匹配使檢索效果低下。圖形模型是近年在信息檢索領(lǐng)域中研究較多且比較有效的檢索模型之一。通過(guò)對(duì)不確定知識(shí)的學(xué)習(xí)和推理，圖形模型引入對(duì)檢索有利的信息，從而能提高檢索效果。貝葉斯網(wǎng)絡(luò)模型就是一種較好的圖形模型，它有著

2、很好的檢索性能。然而，貝葉斯網(wǎng)絡(luò)的邊是有向的，使得網(wǎng)絡(luò)的構(gòu)造是一個(gè)復(fù)雜的過(guò)程，并且邊的有向性缺乏有效語(yǔ)義解釋。 針對(duì)上述問(wèn)題，本文提出潛在語(yǔ)義的Markov網(wǎng)絡(luò)檢索模型(LSMNM：LatentSemanticMarkovNetworkRetrievalModel)。Markov網(wǎng)絡(luò)是一種不確定知識(shí)表示和推理有力工具，而且它的無(wú)向性易于網(wǎng)絡(luò)的構(gòu)造，更好地解釋了知識(shí)之間的關(guān)聯(lián)。 在本文模型中，通過(guò)對(duì)文檔集的學(xué)習(xí)，詞之間和文

3、檔之間的潛在語(yǔ)義被提取出來(lái)，從而構(gòu)造出Markov知識(shí)網(wǎng)絡(luò)，然后，我們利用Markov網(wǎng)絡(luò)學(xué)習(xí)到的潛在語(yǔ)義信息進(jìn)行檢索。根據(jù)我們的實(shí)驗(yàn)結(jié)果，LSMNM有較好的適用性，在英文文本檢索中表現(xiàn)出很好檢索的效果，相比較BM25模型而言檢索性能有一定程度的提高。 本文的創(chuàng)新點(diǎn)在于： 1)提出了潛在語(yǔ)義的Markov網(wǎng)絡(luò)檢索模型。模型對(duì)詞一文檔矩陣進(jìn)行奇異值分解，提取文檔集中的潛在語(yǔ)義信息，然后利用潛在語(yǔ)義信息構(gòu)造Markov知識(shí)網(wǎng)