基于術語關系的貝葉斯網(wǎng)絡檢索模型擴展

目錄
前言
第1章 緒論 1
1.1 國內外研究概述 1
1.2 本書的主要工作 5
1.2.1 研究思路 5
1.2.2 主要工作 6
1.3 本書的組織結構 7
第2章 信息檢索模型 9
2.1 信息檢索 9
2.1.1 信息檢索的定義 9
2.1.2 信息檢索模型 10
2.2 經(jīng)典信息檢索模型 11
2.2.1 布爾模型 11
2.2.2 向量空間模型 11
2.2.3 概率模型 13
2.2.4 經(jīng)典模型的簡單比較 14
2.3 經(jīng)典信息檢索模型的改進 15
2.3.1 擴展布爾模型 15
2.3.2 廣義向量空間模型 16
2.4 結構化文檔檢索模型 17
2.4.1 結構化文檔檢索的概念 17
2.4.2 結構化文檔檢索模型 18
2.5 語義檢索 20
2.6 本章小結 22
第3章 檢索評價與測試參考集 23
3.1 檢索評價 23
3.1.1 查全率與查準率 24
3.1.2 其他測度方法 27
3.2 測試參考文獻集 30
3.2.1 TREC測試參考 30
3.2.2 CACM與ISI測試集 32
3.2.3 中文Web測試集CWT 33
3.3 一個小型中文信息檢索測試集的構建與分析 35
3.3.1 文檔集的構建 35
3.3.2 查詢集的構建 37
3.3.3 相關判斷集的構建 37
3.3.4 測試集的分析 39
3.4 本章小結 41
第4章 基于貝葉斯網(wǎng)絡的信息檢索模型 42
4.1 貝葉斯概率與貝葉斯網(wǎng)絡 42
4.1.1 貝葉斯概率 42
4.1.2 貝葉斯網(wǎng)絡理論 43
4.2 基于貝葉斯網(wǎng)絡的信息檢索模型 46
4.2.1 推理網(wǎng)絡模型 46
4.2.2 信念網(wǎng)絡模型 48
4.2.3 貝葉斯網(wǎng)絡檢索模型 51
4.2.4 減少術語之間關系提高BNR模型的效率 53
4.2.5 基于貝葉斯網(wǎng)絡的結構化文檔檢索模型 56
4.3 本章小結 60
第5章 詞語之間關系及其量化方法 61
5.1 詞語相關性及其計算 61
5.1.1 基于共現(xiàn)的詞語相關度 61
5.1.2 基于本體的術語關系及其量化方法 64
5.2 詞語相似性及其度量 67
5.2.1 信息檢索用同義詞的定義 67
5.2.2 同義詞詞典 67
5.2.3 詞語相似度 69
5.3 一種基于共現(xiàn)分析法改進的PF-IBF方法 74
5.3.1 PF-IBF方法 74
5.3.2 利用共現(xiàn)分析法對PF-IBF方法的改進 75
5.3.3 實驗及評測 77
5.4 本章小結 78
第6章 基于術語關系的信念網(wǎng)絡模型擴展 80
6.1 基于查詢術語同義關系的信念網(wǎng)絡模型擴展 80
6.1.1 基本概念 80
6.1.2 模型拓撲結構 81
6.1.3 文檔檢索 81
6.2 基于索引術語共現(xiàn)關系的信念網(wǎng)絡模型擴展 83
6.2.1 索引術語之間共現(xiàn)關系的挖掘 83
6.2.2 模型拓撲結構 84
6.2.3 文檔檢索 85
6.3 其他基于索引術語關系的信念網(wǎng)絡模型擴展 87
6.3.1 基于索引術語同義關系的信念網(wǎng)絡模型擴展 87
6.3.2 融合術語同義和相關關系擴展信念網(wǎng)絡模型 88
6.4 實驗與分析 89
6.4.1 實驗數(shù)據(jù) 89
6.4.2 基于查詢術語同義關系的擴展模型性能 90
6.4.3 基于索引術語共現(xiàn)關系的擴展模型性能 91
6.5 本章小結 92
第7章 組合不同證據(jù)的擴展信念網(wǎng)絡模型 93
7.1 相關研究 93
7.1.1 敘詞表 93
7.1.2 組合過去查詢證據(jù)的擴展信念網(wǎng)絡模型 94
7.2 組合同義詞證據(jù)的擴展信念網(wǎng)絡模型 97
7.2.1 模型拓撲結構 97
7.2.2 證據(jù)的獲得 98
7.2.3 文檔檢索 98
7.2.4 實驗與分析 101
7.3 組合科技文獻間引用關系的信念網(wǎng)絡模型擴展 102
7.3.1 科技文獻之間引用關系的分析及其量化 103
7.3.2 組合文檔關注度和價值度證據(jù)的信念網(wǎng)絡檢索模型 106
7.3.3 實驗與分析 109
7.4 本章小結 111
第8章 基于術語相似關系的簡單貝葉斯網(wǎng)絡模型擴展 112
8.1 基本SBN模型 112
8.1.1 拓撲結構 112
8.1.2 概率分布 113
8.1.3 推理與檢索 114
8.2 基于術語間同義關系擴展的SBN模型 115
8.2.1 SSBN模型的拓撲結構 116
8.2.2 挖掘術語間關系 116
8.2.3 SSBN模型的概率估計 117
8.2.4 推理與檢索 118
8.2.5 利用術語相似度改進擴展的貝葉斯網(wǎng)絡檢索模型 118
8.2.6 模型性能評估 119
8.3 基于文檔間關系擴展的 SBN模型 122
8.3.1 DSBN模型的拓撲結構 123
8.3.2 DSBN模型的概率估計 123
8.3.3 推理與檢索 124
8.4 本章小結 126
第9章 利用術語關系擴展基于貝葉斯網(wǎng)絡的結構化文檔檢索模型 127
9.1 相關知識 127
9.1.1 結構化文檔與結構化文檔檢索 127
9.1.2 影響圖 128
9.1.3 XML文檔 129
9.2 一個基于貝葉斯網(wǎng)絡的XML文檔查詢模型 130
9.2.1 XML文檔處理 131
9.2.2 XML文檔查詢過程 132
9.2.3 基于貝葉斯網(wǎng)絡的XML文檔查詢模型 133
9.3 基于術語共現(xiàn)關系擴展的SID模型 136
9.3.1 擴展SID模型的拓撲結構 136
9.3.2 術語間關系的學習 138
9.3.3 擴展模型的概率估計 138
9.3.4 推理與檢索 141
9.4 基于術語關系擴展的BN-SD模型簡介 142
9.5 本章小結 144
第10章 詞語關系在信息檢索其他方面的應用 145
10.1 利用詞語之間關系改進文本特征提取方法 145
10.1.1 文本特征提取的概念和常見方法 145
10.1.2 利用詞語關系對TF-IDF方法改進 149
10.2 基于同義詞關系改進的局部共現(xiàn)查詢擴展 152
10.2.1 基于局部共現(xiàn)和同義詞關系的查詢擴展方法 153
10.2.2 利用同義詞改進的局部共現(xiàn)查詢擴展方法 153
10.2.3 實驗與比較 156
10.3 基于術語同義關系的文檔相似度計算 157
10.3.1 常用的文檔相似度計算方法及其不足 157
10.3.2 基于術語同義關系的文檔相似度計算 159
10.3.3 實驗及評價 160
10.4 本章小結 162
第11章 基于信念網(wǎng)絡的話題識別與追蹤模型 163
11.1 話題識別與追蹤的基礎知識 163
11.1.1 基本概念與主要任務 163
11.1.2 實現(xiàn)方法 165
11.2 基于信念網(wǎng)絡的靜態(tài)話題模型 167
11.2.1 靜態(tài)話題模型理論 167
11.2.2 基于信念網(wǎng)絡的靜態(tài)話題模型Ⅰ 168
11.2.3 基于信念網(wǎng)絡的靜態(tài)話題模型Ⅱ 170
11.3 基于信念網(wǎng)絡的動態(tài)話題模型 172
11.3.1 動態(tài)話題模型理論 172
11.3.2 基于信念網(wǎng)絡的動態(tài)話題模型Ⅰ 174
11.3.3 基于信念網(wǎng)絡的動態(tài)話題模型Ⅱ 175
11.4 本章小結 177
總結與展望 178
參考文獻 180