题名 结合用户日志的局部上下文分析方法
被引量：3
1
作者
熊忠阳 向海燕 张玉芳
机构
重庆大学计算机学院
出处
《计算机工程与应用》
CSCD
2012年第12期74-77,87,共5页
基金
重庆市科委基金资助项目(No.CSTC2008BB2191)
文摘
传统的局部上下文分析其应用效果高度依赖于初次检索的结果。针对此局限,通过对用户查询日志的统计分析和过滤,得到用户最可能感兴趣的文章,代替初始检索得到的N篇文章,作为查询扩展词来源文档集,用局部上下文分析方法计算词间相关度。实验结果表明,该方法能够较大地提高查询精度。
关键词
局部上下文分析 用户查询日志 查询扩展 过滤
Keywords
local context analysis user query log query expansion filtration
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于本体和局部上下文分析的查询扩展
被引量：2
2
作者
万静 王文聪 易军凯
机构
北京化工大学信息科学与技术学院
出处
《控制工程》
CSCD
北大核心
2013年第3期558-561,共4页
基金
国家文化遗产保护科技"十二五"重大项目前期可行性研究课题(20100206)
文摘
在信息检索过程中,因查询词短少而引起的检索歧义性是影响检索效率的主要原因之一,而查询扩展方法和本体扩展方法能有效改善这一问题。提出一种基于本体和局部上下文分析的查询扩展方法:本体扩展根据本体推理规则对短查询词进行推理,得到与查询词有逻辑关联的推理结果集,为查询词加入了标准化的关联信息。局部上下文分析通过对文档库的分析,在与用户查询词最相关的前m篇文档中抽取与用户查询词最相关的n个扩展词,为查询词加入了统计扩展信息。将两部分扩展查询词合并,再通过扩展查询词相关度计算对搜索结果集进行排序。该方法结合了这两种方法的各自优势,从语义角度扩展关键词。实验分析表明,该方法能有效提高检索查全率和查准率。
关键词
本体 局部上下文分析 查询扩展 相关度计算
Keywords
ontology local context analysis search extension relevance analysis
分类号
N289
[自然科学总论]
题名 基于用户兴趣的局部上下文分析方法
被引量：1
3
作者
罗建利
机构
温州大学经济与管理学院
出处
《计算机应用研究》
CSCD
北大核心
2007年第4期261-264,共4页
基金
国家自然科学基金资助项目(71471090) 江苏省科技厅自然科学基金资助项目(BK2005046)
文摘
针对根据目前网络信息检索存在的查全率和查准率低的特点,提出一种个性化的局部上下文分析方法,以提高W eb信息检索的性能。该方法通过设计一种客户端的用户兴趣挖掘模型,同时将用户兴趣模型与局部上下文分析方法相结合,克服了局部上下文分析的缺陷。实验结果显示该方法能有效提高Web信息检索的查全率与查准率。
关键词
信息检索 查询扩展 局部上下文分析 用户兴趣
Keywords
information retrieval query expansion local context analysis user profile
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
F270
[经济管理—企业管理]
题名 局部上下文分析剪枝概念树的查询扩展
被引量：4
4
作者
张超盟 李战怀 温宗臣
机构
西北工业大学计算机学院
出处
《计算机工程》
CAS
CSCD
北大核心
2009年第14期45-48,共4页
基金
国家自然科学基金资助项目(60573096)
文摘
介绍一种局部上下文分析(LCA)剪枝概念树的方法。利用LCA方法初次检索的与原查询最相关的文章作为备选扩展词的来源,用扩展词剪枝语义词典构造的概念树,补充概念树上不存在的新词,并重新计算扩展词权重。实验表明,在相同的实验条件下该扩展方法查询性能有较大的提高。
关键词
查询扩展 概念树 局部上下文分析
Keywords
query expansion concept tree Local Context Analysis（LCA）
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 一种基于局部分析面向事件的查询扩展方法
被引量：10
5
作者
仲兆满 朱平 李存华 管燕 刘宗田
机构
淮海工学院计算机工程学院 上海大学计算机工程与科学学院 国际介藤网络中心
出处
《情报学报》
CSSCI
北大核心
2012年第2期151-159,共9页
基金
基金项目：国家自然科学基金项目（60975033）、国家科技部项目（2009GJC10043）.
文摘
针对用户获取事件类信息的需求，提出了一种基于局部分析面向事件LA-EO（localanalysis-eventoriented）的查询扩展方法，该方法将查询项区分为事件项和限定项两类分别处理。文章重点讨论了面向事件的查询项分析、事件项的扩展以及查询项与文本相似度的计算等问题。围绕突发事件领域，使用搜索引擎和定点采集相结合的方法收集了4011篇文本，设置了10个查询项对本文提出的方法进行了实验比较。结果表明：LA—EO与Rocchio机制（记作LA—Rocchio）和局部上下文分析（记作LA—LCA）扩展方法相比，对事件类信息的检索，LA—EO具有更优的检索性能。
关键词
信息检索 查询扩展 局部 分析 面向事件 ROCCHIO 局部上下文分析
Keywords
Information retrieval, query expansion, local analysis, event-oriented, Rocchio, LCA
分类号
G354.4
[文化科学—情报学]
题名 融合领域命名实体识别的查询扩展方法研究
被引量：1
6
作者
邹俊杰 余正涛 刘跃红 宗焕云 苏磊
机构
昆明理工大学信息工程与自动化学院 昆明理工大学智能信息处理重点实验室
出处
《计算机工程与设计》
CSCD
北大核心
2012年第3期1229-1233,1250,共6页
基金
国家自然科学基金项目(60863011) 云南省自然科学重点基金项目(2008CC023) 云南省中青年学术和技术带头人后备人才基金项目(2007PY01-11)
文摘
针对领域知识特点和当前基本查询扩展方法的局限性,提出了在特定领域问答系统中将命名实体识别与基本查询扩展方法相结合对答案文本检索进行查询扩展的方法。该方法标注旅游领域18个类别的命名实体,并使用条件随机场理论建立实体识别模型,将识别模型以线性插值方式分别融合到本文选用的基于TF-IDF、互信息和局部上下文分析3种基本查询扩展方法中,再选取出扩展词进行查询。在旅游领域数据集上的实验结果表明,该方法在3种基本查询扩展方法基础上使准确度提高15.8%以上,其中结合领域命名实体识别和局部上下文分析的查询扩展方法的准确度提高了21.4%。
关键词
特定领域 查询扩展 命名实体识别 局部上下文分析 文本检索
Keywords
special domain query expansion named entity recognition local context analysis text retrieval
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于概念树剪枝的LCA查询扩展
被引量：2
7
作者
李卫疆 王锋
机构
昆明理工大学信息工程与自动化学院
出处
《计算机科学》
CSCD
北大核心
2015年第S1期479-483,共5页
基金
国家自然科学基金项目:基于统计机器翻译和自动文摘的查询扩展研究(61363045)资助
文摘
在信息检索应用实践中存在用户表达查询请求不够准确、文档与查询词不匹配以及查询优化等问题。针对这些问题,提出了基于概念树剪枝的LCA查询扩展方法,这种混合的查询扩展技术综合了语义和局部上下文分析这两种查询扩展方法,利用LCA方法检索得到的扩展词集对语义词典构造的概念树进行适当剪枝,以弥补概念树的不足,并对扩展词候选集用改进的算法重新分配权重。在TREC数据集的实验结果表明:与单独基于统计或者基于语义的查询扩展方法相比,基于概念树剪枝的LCA查询扩展方法性能有较大提高。
关键词
查询扩展 局部上下文分析 方法概念树 剪枝 相关度算法
Keywords
Query expansion,Local context analysis,Concept tree,Pruning,Relevance algorithm
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
题名 多关键字查询中LCA剪枝概念树的查询扩展技术研究
被引量：4
8
作者
王昭龙 李霞 许瑞芳
机构
中国航空计算技术研究所 西北工业大学计算机学院 中国电子科技集团公司第二十八研究所
出处
《计算机科学》
CSCD
北大核心
2010年第4期132-135,162,共5页
基金
国家自然科学基金(No.60803043) 国家高技术研究发展计划(863)(No.2009AA1Z134)资助
文摘
语义查询扩展中,关键一步是扩展词的选择方法和扩展词权重的计算。提出一种改进的LCA(局部上下文分析法):OLCA(Optimize Local Context Analysis)。OLCA应用于分权重的多关键字查询中,结合WordNet概念树,从语义和实际查询语料两方面对初始查询词进行扩展,并根据初始查询词中多个关键词的位置,结合扩展候选集中词间关系计算修正各扩展词的权重。实验证明,与单独基于统计或基于语义的查询扩展方法相比,其查准率和查全率均有较大提高。
关键词
多关键字 查询扩展 概念树 局部上下文分析 法
Keywords
Multi-keywords, Query expansion, Concept tree, Local context analysis
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
