基于改進向量空間模型的Web信息檢索技術(shù)研究.pdf

1、互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，使Web已經(jīng)成為世界范圍內(nèi)信息共享和信息傳播的最主要渠道之一，其網(wǎng)上的文本數(shù)量也成指數(shù)級增長。如何能夠快速和精確地在浩瀚的信息海洋中檢索到用戶所需的信息已成為當今重要的研究課題。 文本信息檢索是指從大量文檔集合中找到與給定的查詢請求相關(guān)的、恰當數(shù)目的文檔子集。在進行信息檢索時，與用戶需求匹配的信息經(jīng)常不在檢索結(jié)果內(nèi)，而大量用戶不需求的信息，卻占用檢索結(jié)果的相當大的一部份。因此，改進文本信息檢索的檢索性能，提

2、高檢索質(zhì)量也成為了亟待解決的問題。 本論文的主要研究目的，針對可能影響檢索效力的一個容易被忽略的因素---標題位置特征項，針對這一目的在傳統(tǒng)向量空間模型的基礎(chǔ)上提出一種改進向量空間模型。改進的向量空間模型對特征項的權(quán)重問題進行了研究，提出了結(jié)合特征項出現(xiàn)位置的權(quán)重計算方法。該法可以提高查詢式與文檔的匹配度，進而提高檢索系統(tǒng)的查準率。論文提出了多層向量空間模型的概念，新模型可較好地解決傳統(tǒng)向量空間模型維數(shù)過大的問題和不能區(qū)分關(guān)鍵詞

3、位置語義的問題，應(yīng)有助與針對提高檢索系統(tǒng)的查詢速度和精度問題的研究。論文還提出了改進的查詢條件與文檔的相似度計算方法，在相似度的計算式中加入了可調(diào)參數(shù)η，根據(jù)特征項位置表達文檔主題的能力不同，設(shè)定不同的η值。論文提出了一種可調(diào)節(jié)的過濾閾值(相關(guān)門檻值)設(shè)定方法，使用戶可根據(jù)需要選擇過濾精確等級來調(diào)節(jié)興趣網(wǎng)頁的輸出質(zhì)量。 本文在傳統(tǒng)向量空間模型基礎(chǔ)上提出的改進向量空間模型算法，通過初步實驗表明該算法具有較高的查全率和查準率， 并可