基于外部知识库的查询扩展模型研究
这是一篇关于知识图谱,查询扩展,实体,马尔科夫随机场的论文, 主要内容为随着知识图谱在学术界和工业界发展和不断完善,越来越多的商业搜多引擎选用知识图谱作为基本的语义网络来挖掘语义信息,以提高检索的效果。通常情况下,知识图谱在知识推理和实体识别上已经得到了成功且成熟的应用。然而知识图谱的另两个显著的特征——实体和实体属性,还没有受到业内更多的重视和挖掘。查询扩展技术通过向原始查询中加入扩展查询词来提高信息检索的准确性。但最近的研究表明,基于内部资源(如伪相关反馈)的查询扩展会使个别查询上的检索效果下降。能否利用包含大量语义信息和实体信息的外部知识库来解决查询扩展上述问题,成为了本文的研究重点。针对上述问题,本文提出了一种基于外部知识图谱与马尔科夫理论的查询扩展模型(MRF-KG)来提高信息检索的准确性。具体做法是从知识图谱(KG)中扩展实体和实体属性,并应用马尔科夫随机场原理(MRF)对原始查询词、文档、实体和实体属性四者的联合分布进行了建模;在计算实体分布时,本文从实体全局重要程度和局部重要程度两方面选择最相关实体。实验部分,本文主要验证了基于Freebase外部知识库的MRF-KG模型在WT10G和Clueweb12B数据集上的查询扩展的准确性效果。实验结果显示,MRF-KG模型相比基准模型——MRFs和LCE模型有较好的准确性和明显优势,这表明了Freebase知识图谱的应用对查询扩展起到了有效作用;也表明MRF-KG模型的查询、文档、实体和属性之间的联合分布对获得查询语义相关信息有帮助作用。
基于外部知识库的查询扩展模型研究
这是一篇关于知识图谱,查询扩展,实体,马尔科夫随机场的论文, 主要内容为随着知识图谱在学术界和工业界发展和不断完善,越来越多的商业搜多引擎选用知识图谱作为基本的语义网络来挖掘语义信息,以提高检索的效果。通常情况下,知识图谱在知识推理和实体识别上已经得到了成功且成熟的应用。然而知识图谱的另两个显著的特征——实体和实体属性,还没有受到业内更多的重视和挖掘。查询扩展技术通过向原始查询中加入扩展查询词来提高信息检索的准确性。但最近的研究表明,基于内部资源(如伪相关反馈)的查询扩展会使个别查询上的检索效果下降。能否利用包含大量语义信息和实体信息的外部知识库来解决查询扩展上述问题,成为了本文的研究重点。针对上述问题,本文提出了一种基于外部知识图谱与马尔科夫理论的查询扩展模型(MRF-KG)来提高信息检索的准确性。具体做法是从知识图谱(KG)中扩展实体和实体属性,并应用马尔科夫随机场原理(MRF)对原始查询词、文档、实体和实体属性四者的联合分布进行了建模;在计算实体分布时,本文从实体全局重要程度和局部重要程度两方面选择最相关实体。实验部分,本文主要验证了基于Freebase外部知识库的MRF-KG模型在WT10G和Clueweb12B数据集上的查询扩展的准确性效果。实验结果显示,MRF-KG模型相比基准模型——MRFs和LCE模型有较好的准确性和明显优势,这表明了Freebase知识图谱的应用对查询扩展起到了有效作用;也表明MRF-KG模型的查询、文档、实体和属性之间的联合分布对获得查询语义相关信息有帮助作用。
基于企业协作信息网平台的信息检索系统的设计与实现
这是一篇关于信息检索,向量空间模型,B/S模式,特征项,相关反馈,查询扩展的论文, 主要内容为本文主要介绍了为满足制造企业间协作的信息化要求而实现的制作企业协作网信息平台,以及为了更好的满足用户的协作信息要求而设计的基于该平台的信息检索子系统。制造企业协作网信息平台提供了B/S模式的信息管理方式,其中检索子系统主要基于向量空间模型,对用户的查询请求进行分析处理后和后台协作信息文档集匹配,并将检索结果返回给用户。系统的目标是将尽量多的符合要求的文档反馈给用户,以满足他们的要求,实现协作的最终目的。 首先介绍了课题背景、研究内容和意义,并概述了B/S模式的管理信息系统的相关概念以及本文所基于的实验环境——制造企业协作网信息平台的具体功能和实现技术。然后,简单介绍了信息检索的相关知识,给出了在现有的协作网信息平台上尝试以向量空间模型为基础来实现信息检索子系统的方法,并介绍了详细设计思路:采用向量空间模型对文档和查询分别建立特征向量子空间,利用相似度计算方法进行检索比较。同时,结合使用相关反馈技术和查询扩展技术,增强与用户的交互操作,最终达到提高检索准确率和召回率的目的。随后,介绍了检索子系统实现中涉及的关键技术,包括对协作数据信息进行采集和训练的模式和方法。最后简单介绍了检索子系统的实现、使用以及对系统进行测试的相关情况。从实验结果看,将统计方法和语义方法相结合来实现信息检索系统是很有效果和研究价值的。
基于外部知识库的查询扩展模型研究
这是一篇关于知识图谱,查询扩展,实体,马尔科夫随机场的论文, 主要内容为随着知识图谱在学术界和工业界发展和不断完善,越来越多的商业搜多引擎选用知识图谱作为基本的语义网络来挖掘语义信息,以提高检索的效果。通常情况下,知识图谱在知识推理和实体识别上已经得到了成功且成熟的应用。然而知识图谱的另两个显著的特征——实体和实体属性,还没有受到业内更多的重视和挖掘。查询扩展技术通过向原始查询中加入扩展查询词来提高信息检索的准确性。但最近的研究表明,基于内部资源(如伪相关反馈)的查询扩展会使个别查询上的检索效果下降。能否利用包含大量语义信息和实体信息的外部知识库来解决查询扩展上述问题,成为了本文的研究重点。针对上述问题,本文提出了一种基于外部知识图谱与马尔科夫理论的查询扩展模型(MRF-KG)来提高信息检索的准确性。具体做法是从知识图谱(KG)中扩展实体和实体属性,并应用马尔科夫随机场原理(MRF)对原始查询词、文档、实体和实体属性四者的联合分布进行了建模;在计算实体分布时,本文从实体全局重要程度和局部重要程度两方面选择最相关实体。实验部分,本文主要验证了基于Freebase外部知识库的MRF-KG模型在WT10G和Clueweb12B数据集上的查询扩展的准确性效果。实验结果显示,MRF-KG模型相比基准模型——MRFs和LCE模型有较好的准确性和明显优势,这表明了Freebase知识图谱的应用对查询扩展起到了有效作用;也表明MRF-KG模型的查询、文档、实体和属性之间的联合分布对获得查询语义相关信息有帮助作用。
文献结构化的细粒度检索技术研究
这是一篇关于文献检索,词项依赖,查询扩展,知识图谱的论文, 主要内容为采用自然语言处理等人工智能技术增强搜索引擎的智能化程度以及用户体验自然程度,是现代搜索引擎发展的推动力。本文以此角度入手,侧重发现用户的潜在查询意图,提供更细粒度、更准确的检索结果。具体到文献领域,本文以问题和方法为查询意图模板,从用户输入的查询识别查询问题、方法或问题与方法的查询解析,提高搜索引擎的智能程度和用户体验。具体采用知识图谱技术从文本中抽取表示问题和方法的实体,将无结构文献结构化为文献图谱,并在此数据结构上进行查询,实现面向问题-方法的细粒度检索。具体工作如下:1)面向问题-方法的查询模型:为了提供更加智能的检索结果,本文提出建模用户的潜在查询意图。具体到文献领域,将用户查询需求概括为问题和方法两个维度的信息需求,可以描述以问题为中心、方法为中心以及问题和方法为中心的查询。2)查询意图解析及匹配:使用命名实体识别技术抽取实体及类型信息,表示查询意图,并利用马尔可夫随机场图模型建模查询、查询实体与文档的联合概率进行匹配。利用图模型能够捕捉节点依赖关系的特点,建模实体内在依赖关系,并结合查询和文档的实体类型特征实现(1)所定义的检索方式。3)基于知识图谱的查询扩展:为了解决查询语义匹配以及用户信息不完整问题,提出基于知识图谱表示学习的查询扩展模型。在(2)的基础上,通过知识图谱相关技术将非结构化的科学文献抽取成结构化的学术知识图,然后利用知识表示学习将符号化的实体映射为低维稠密向量,最后在向量空间搜索近邻实体对查询进行扩展,提供语义近似匹配能力,缓解查询不匹配及信息不完整问题。4)实验和评估:通过在开源数据集ESR上的对比实验,验证了本文提出的方法的有效性。实验显示本文提出的检索模型能够有效的利用实体及实体类型信息提升检索性能;本文提出的查询扩展方法能够有效的缓解用户查询信息不完整问题。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码导航 ，原文地址：https://bishedaima.com/lunwen/54918.html
