共查询到10条相似文献，搜索用时 234 毫秒
1.
本文主要研究了查询语义树的生成策略、用户查询语义的提取机制，以及查询语义树中语义边界的确定方法。通过查询语义树产生候选扩展词，再计算候选扩展词与所有查询项在初检局部文档集合中的共现度，用以评估扩展词质量，使得扩展词与用户查询所蕴涵的主题具有较强的语义相关性。实验结果表明，与传统向量空间模型检索算法比较，查询性能有明显的改善。 相似文献
2.
3.
语义检索在实际应用中主要面临用户查询意图获取困难、语义分析能力和语义扩展能力较差、单本体覆盖范围小、概念语义不丰富、自动化程度和可视化功能低等问题。针对此,文章提出一种基于本体集成的自动语义检索及可视化模型。实验表明:该模型不仅能够提高检索结果的准确率,而且可以很好地满足新一代语义Web环境下用户精准检索及可视化检索的需求。 相似文献
4.
关联规则挖掘在网络信息检索中的应用 总被引：3，自引：1，他引：2
针对目前网络信息检索效率不高的问题,提出了一种基于关联库的查询扩展方法。此方法通过将文档用向量空间模型表示,然后,抽取文档中的特征语词/概念,再利用关联规则挖掘技术揭示文档中语词/概念之间的相关性和层次关系,从而构建关联库。通过关联库对用户的查询需求进行扩展以达到提高查全率和查准率的目的。 相似文献
5.
文章在分析传统查询扩展方法不足的基础上,提出了基于用户反馈的查询扩展方法,结合WordNet和概念相似性方法为用户提供用于查询扩展的候选集,最后用户从中挑选出扩展检索词用于查询扩展,从而为用户返回更加准确的检索结果. 相似文献
6.
针对目前常用的信息检索算法普遍存在查询性能不高的问题。本文提出了一种基于AWAR算法的信息检索扩展查询模型,该模型首先采用传统向量空间模型算法对检索目标进行初检,然后利用最小完全加权置信度阈值生成完全加权关联规则,最后根据规则提取扩展词,得到查询结果。实验表明,基于AWAR算法的信息检索扩展查询模型的检索性能比传统向量空间模型算法和基于局部上下文分析的查询扩展的检索算法要高。 相似文献
7.
针对XML文档检索的特点,提出了一种基于XSEarch引擎的语义近似检索模型。设计了利用WordNet对查询项进行语义扩展的计算方法,且对XSEarch引擎的答案排序模型进行了改进,并提出了满足近似检索模型的系统体系结构。 相似文献
8.
9.
将特征词抽取和查询扩展技术应用于信息检索,提出一种特征词抽取与查询扩展技术融合的信息检索系统模型及其算法.在详细论述模型的设计思想、各模块的功能基础上,重点阐述模型实现的关键技术及其检索算法.实验结果表明,该模型有效,能提高信息检索性能,具有较高的理论价值和广阔的应用前景. 相似文献
10.
针对传统检索模型局限于语法层次上关键词匹配的特点,以领域本体为知识组织方式,提出了一种基于领域本体的语义检索模型,同时给出了该模型中的查询语义扩展算法和相似度计算算法。 相似文献