信息技術的快速發(fā)展改變了人們的工作、學習與生活,如何從大量的文本數(shù)據(jù)中快速并且準確地檢索到用戶需要的信息成為了大數(shù)據(jù)信息時代的一大難題。傳統(tǒng)信息檢索方法是基于關鍵詞的檢索,忽略了語義信息,用戶檢索體驗較差。本文將查詢匹配方法引入查詢擴展技術,并且結合改進后的排序算法和全文搜索引擎對信息檢索技術進行優(yōu)化,有助于改善用戶查詢過程中存在的“詞不達意”和“文檔不匹配”的問題。本論文的工作內(nèi)容及主要貢獻如下。首先,針對傳統(tǒng)查詢擴展算法忽略語義信息的缺點,在基于Word2vec查詢擴展方法的基礎上,結合自動閾值篩選方法和改進的LSF技術,提出基于詞向量的語義擴展算法LW-TF。LW-TF算法實現(xiàn)的查詢匹配包括兩個步驟:一是結合自動閾值篩選方法和改進的LSF技術,以獲取語義擴展詞實現(xiàn)語義匹配;二是通過向量加權法獲取查詢向量和文檔向量,實現(xiàn)關聯(lián)匹配。實驗結果表明,基于詞向量的語義擴展算法相較于其他算法實現(xiàn)了查全率和查準率的提升,證明了算法的有效性。其次,本文結合LW-TF算法與改進后的BM25F-N排序評分算法,在全文檢索的基礎上,提出基于詞向量擴展的語義檢索算法,改善了傳統(tǒng)搜索引擎排序算法對搜索結果...

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

圖5-6語義檢索模型首頁示意圖

電子科技大學碩士學位論文74提交查詢請求，后臺調用數(shù)據(jù)庫返回檢索結果給用戶。圖5-6語義檢索模型首頁示意圖用戶輸入查詢詞“財經(jīng)新聞”示意圖如圖5-7所示，輸出10條與“財經(jīng)新聞”相關性較高的文檔，分別驗證了第三章和第四章算法的有效性。圖5-7語義檢索模型輸入查詢詞示意圖用戶輸入查....

圖5-7語義檢索模型輸入查詢詞示意圖

電子科技大學碩士學位論文74提交查詢請求，后臺調用數(shù)據(jù)庫返回檢索結果給用戶。圖5-6語義檢索模型首頁示意圖用戶輸入查詢詞“財經(jīng)新聞”示意圖如圖5-7所示，輸出10條與“財經(jīng)新聞”相關性較高的文檔，分別驗證了第三章和第四章算法的有效性。圖5-7語義檢索模型輸入查詢詞示意圖用戶輸入查....

圖5-8語義檢索模型檢索結果示意圖

第五章基于詞向量擴展的語義檢索模型的建立75圖5-8語義檢索模型檢索結果示意圖根據(jù)圖5-8的檢索結果分析，本文發(fā)現(xiàn)，對于第三章的基于詞向量的語義擴展算法來說，用戶輸入查詢詞“財經(jīng)新聞”，不僅檢索出了包含“財經(jīng)新聞”的相關文檔，也檢索出了與“財經(jīng)新聞”擴展詞相關的“股市要聞”、“經(jīng)....

本文編號：3955092