基于兴趣模型的查询扩展

doi:10.3969/j.issn.1006-2475.2014.07.008

计算机与现代化

基于兴趣模型的查询扩展

(1.装甲兵工程学院信息系，北京 100072; 2.装甲兵工程学院科研部，北京 100072)

收稿日期:2014-03-05 出版日期:2014-07-16 发布日期:2014-07-17
作者简介:田永昌(1989-)，男，湖北汉川人，装甲兵工程学院信息系硕士研究生，研究方向：自然语言处理; 李颖(1964-)，男，江西吉安人，装甲兵工程学院科研部副教授，博士，研究方向：自然语言处理，人工智能。

Query Expansion Based on Interest Model

(1. Department of Information Engineering, Academy of Armored Force Engineering, Beijing 100072, China;
2. Department of Scientific Research, Academy of Armored Force Engineering, Beijing 100072, China)

Received:2014-03-05 Online:2014-07-16 Published:2014-07-17

摘要/Abstract

摘要： 针对信息检索中查询与文档集之间可能存在的“词不匹配”问题，基于兴趣模型提出一种将概念化的兴趣知识与向量空间模型相结合的查询扩展方法。该方法能根据阈值来判断查询扩展是否可行。用户的兴趣偏好是通过Agent代理实时获取的，兴趣知识采用HNC（Hierarchical Network of Concepts, 概念层次网络）理论的概念符号体系表达，这样便于计算概念之间的相似度。实验结果表明，经过查询扩展后的结果相对于未加入查询扩展的结果在性能上提高了29.1%。

关键词: 信息检索, 查询扩展, 兴趣模型, 概念相似度, HNC

Abstract: To solve the problem that words mismatch between the retrieval and the documents in the query information, this paper proposes a query expansion method based on interest model, and it is combined with conceptual vector space model, and can judge whether it is feasible to query expansion according to the threshold value. In this method, user’s interest is mined by Agent in real time, and the intellectual interests are expressed by the HNC (hierarchical network of concepts). As a result, it is very convenient to calculate the similarity between concepts. Experimental result shows that the performance has 29.1% improvement by using the query expansion compared to the non-query expansion.

Key words: information retrieval, query expansion, interest model;concept similarity, HNC

中图分类号:

TP391

田永昌1，李颖2. 基于兴趣模型的查询扩展[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.07.008.

TIAN Yong-chang1, LI Ying2. Query Expansion Based on Interest Model[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.07.008.

参考文献 1

[1]	胡泽文,王效岳,白如江. 基于SUMO和WordNet本体集成的文本分类模型研究[J]. 现代图书情报技术, 2011(1):31-38.
[2]	马云龙,林原,林鸿飞. 基于权重标准化SimRank方法的查询扩展技术研究[J]. 中文信息学报, 2011,25(1):28-34.
[3]	董守斌,袁华. 网络信息检索[M]. 西安:西安电子科技大学出版社, 2010:129-139.
[4]	刘畅. 基于用户兴趣及本体术语关系的查询扩展[D]. 保定:河北大学, 2013.
[5]	黄名选,严小卫,张师超. 查询扩展技术进展与展望[J]. 计算机应用与软件, 2007,24(11):1-4.
[6]	李海芳,史俊冰,段利国,等. 一种基于含糊同义词的查询扩展方法[J]. 计算机应用与软件, 2011,28(12):41-43.
[7]	王磊. 基于概念语义空间的语义查询扩展技术研究[D]. 洛阳:河南科技大学, 2012.
[8]	王水利,黄广君,霍亚格. 基于语义分析的查询扩展方法[J]. 计算机工程, 2011,37(16):77-79.
[9]	李力沛,罗颖. 基于个性化词典的搜索引擎查询扩展模型[J]. 电脑知识与技术, 2012,8(28):6764-6770.
[[1]	0] 王旭阳,萧波. 基于本体和局部上下文分析的查询扩展方法[J]. 计算机工程, 2012,38(7):57-59.
	1] 王卫国,徐炜民. 基于潜在语义分析的个性化查询扩展模型[J]. 计算机工程, 2010,36(21):43-45.
	2] 张璇. 油田信息搜索引擎个性化排序方法研究[D]. 大庆:东北石油大学, 2013.
	3] 李春杰,崔红霞. 基于多Agent搜索行为分析的用户兴趣模型[J]. 吉林大学学报(信息科学版), 2010,28(2):182-185.
	4] 梁美玉,杜军平,高田. 基于领域知识的个性化智能语义检索系统[J]. 中南大学学报(自然科学版), 2011,42(z1):865-869.
	5] 黄曾阳. HNC(概念层次网络)理论[M]. 北京:清华大学出版社, 1998.
	6] 晋耀红. HNC(概念层次网络)语言理解技术及其应用[M]. 北京:科学出版社, 2006.

[1]	胡望胜. 基Word Embedding的软件工程领域语义相关词挖掘方法[J]. 计算机与现代化, 2017, 0(9): 19-23,49.
[2]	王千千，罗文兵. 基于词重要性的Markov网络查询扩展模型[J]. 计算机与现代化, 2017, 0(11): 89-94.
[3]	刘健，张琨，陈旋. 基于标签和协同过滤的个性化推荐算法[J]. 计算机与现代化, 2016, 0(2): 62-65,71.
[4]	赵雪美1，郭林锋2,卞雪雯1. 一种新的融合情景的美食推荐算法[J]. 计算机与现代化, 2015, 0(7): 20-.
[5]	冯钧，许潇，唐志贤，卞一路. 面向水利信息资源目录服务的分布式语义检索方法研究[J]. 计算机与现代化, 2015, 0(2): 122-.
[6]	王曼;吴振忠. 基于领域本体的语义搜索——带权最短路径方法[J]. 计算机与现代化, 2013, 1(9): 1-7.
[7]	黄名选;冯平;谢统义. 基于频繁项集挖掘与查询扩展的信息检索系统模型[J]. 计算机与现代化, 2012, 1(200): 53-03.
[8]	许黎明;宋转;马跃. 车辆监控调度系统中兴趣模型设计与研究[J]. 计算机与现代化, 2011, 1(4): 99-103.
[9]	李志芳李亚岗赵红旗. 基于Agent的民航信息推送系统研究 [J]. 计算机与现代化, 2011, 194(10): 116-119.
[10]	陆安江;董旭晖. 个性化元搜索引擎模型的研究与设计[J]. 计算机与现代化, 2011, 1(1): 139-3.
[11]	郭力军. RSS个性化信息服务的用户兴趣模型实现与应用[J]. 计算机与现代化, 2010, 1(8): 172-175.
[12]	曾庆鹏吴水秀. 网络教学平台中问答系统的关键技术研究 [J]. 计算机与现代化, 2010, 1(7): 23-26.
[13]	徐德兴;李建民;林振荣. 基于聚类和用户兴趣分析结合的个性化元搜索[J]. 计算机与现代化, 2009, 1(11): 60-62,6.

基于兴趣模型的查询扩展

Query Expansion Based on Interest Model

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献 1

相关文章 13

编辑推荐

Metrics

本文评价