收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于形式概念分析的网页文本匹配研究

邓波  
【摘要】: 随着互联网上信息爆炸式的增长,互联网就像是变成了一本没有目录的巨大百科全书,让人们无法找寻自己想要的信息。搜索引擎的出现,为这本百科全书加上了目录和索引。在2004年,中国互联网络信息中心(CNNIC)在京发布的第十四次中国互联网络发展状况统计报告显示:搜索引擎是用户在互联网上获取信息最主要的方式,通过搜索引擎查找相关的网站:71.9%;直接访问已知的网站:23.2%;随意浏览网站网页:2.4%;通过网站的相关链接:2.4%;其他:0.1%。搜索引擎的任务帮助用户在浩如烟海的网上信息中用尽可能少的时间找到自己感兴趣的信息。 虽然现在搜索引擎技术已经有了很大发展,以谷歌、百度为代表的第二代搜索引擎已经成为了世界上最大的搜索引擎,提供了最便捷的网上信息查询方法。但是当我们在上网查询信息的时候还是经常会感觉到搜索引擎所返回的结果并不是尽如人意,其中包含了大量的冗余网页,这主要是因为目前主流的搜索引擎主要采用用户查询词与网页中的关键词精确匹配的方式来向用户返回结果。因此改进和提高搜索引擎的匹配策略,提高查询的精确率就成了研究搜索引擎技术的一个热点问题。 本文采用了形式概念分析的方法,研究网页文本的匹配,文中提出一个新匹配的策略:使用更加精确和现实的概念以提高过去的基于关键词的匹配策略。通常,在信息检索系统中“关键词”是网页表示的基本元素。然而,人们对自然语义中概念的理解一般是有概念的外延和内涵定义的。本文使用自然语义的概念相似的形式概念作为网页表示的基本元素,根据从每个网页中提取出来的概念分别为每个网页建立一个概念格,并使用双向联想记忆存储器来存储这个概念格,用这些概念的外延作为形式背景的对象集合,用这些概念的内涵作为形式背景的属性集合,这样,不仅可以操纵比较小的概念格,而且可以加强信息检索系统对自然语言文本的理解能力。然后再提取这些形式概念的与查询的关键词相关的对象与属性进行匹配操作。网页的概念格用双向联想记忆存储器进行编码,这样不仅可以避免复杂的建格算法,还可以根据后续进程中对文档的理解灵活的更新网页的表示形式。本文提出的模型还使用了学习策略,通过接收用户反馈,对关键词权重进行修改,使相关文档间的相似性得以加强,不相关的文档则减弱。 本文最后对提出的新匹配的策略进行了测试实验,并与布尔匹配模型进行比较,对新的匹配方法进行验证。实验的数据集包括60个中文网页和一组查询词。从每个网页中提取出一组概念作为训练集,来训练双向联想记忆存储器存储网页的概念格,以进行匹配操作。并且对学习前后的精确率和召回率进行了分析。实验表明,比起布尔模型,新匹配的策略在精确率和召回率方面有更好的表现,并且根据用户反馈进行的学习策略能够达到使得相关文档间的相似性加强,不相关的文档的减弱的效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 高峰;何伟;;基于形式概念分析和本体的搜索引擎设计思考[J];中央民族大学学报(自然科学版);2009年S1期
2 李涵;郑珂;;基于概念格的多Agent信息检索系统模型初探[J];计算机与现代化;2010年12期
3 许研;沈夏炯;刘宗田;;基于FCA的搜索引擎的信息检索模型及其实现(英文)[J];南昌工程学院学报;2007年01期
4 唐娟;杜亚军;王可亮;;一种基于形式概念分析的问答系统答案抽取的研究[J];计算机应用;2007年03期
5 刘玲;;搜索引擎系统的研究与实现[J];科学之友(B版);2007年02期
6 张柯;沈夏炯;董鑫;于俊洋;;基于概念格的语义相关度计算[J];郑州轻工业学院学报(自然科学版);2007年Z1期
7 王芳;马骏;陈明;;基于FCA的产品特征信息分类[J];计算机工程;2008年16期
8 蒋平;;基于Eclipse的概念格构建系统的设计与实现[J];计算机技术与发展;2011年04期
9 陈红红;李辉;李新春;;基于领域本体的概念格语义匹配[J];郑州大学学报(理学版);2010年02期
10 苗茹;沈夏炯;;概念格经典算法对比[J];福建电脑;2007年03期
11 蒋平;任胜兵;林鹃;;形式概念分析在软件工程中的应用[J];计算机技术与发展;2008年04期
12 任洪平;;可视化信息检索研究[J];魅力中国;2008年26期
13 郑珂;李涵;;基于形式概念分析的本体构建方法研究[J];福建电脑;2011年02期
14 苗茹;沈夏炯;;概念格中的规则提取[J];光盘技术;2006年01期
15 杜亚军;;智能信息处理及其在搜索引擎中的应用[J];西华大学学报(自然科学版);2007年02期
16 张瑞玲;白桂梅;徐红升;沈夏炯;;基于FCA的本体的构建与合并[J];微电子学与计算机;2008年07期
17 陈小莉;;基于形式概念分析构建本体的方法研究[J];科技信息;2009年05期
18 郭慧慧;陈俊杰;赵涓涓;;基于FCA的对象与属性交叉渐进的情感本体学习[J];电脑开发与应用;2010年02期
19 吉亮;;个性化搜索引擎的技术发展与应用[J];机械管理开发;2010年05期
20 金梁;;基于属性涵盖的概念格构造算法[J];襄樊职业技术学院学报;2011年01期
中国重要会议论文全文数据库 前10条
1 张乃岳;张学燕;;基于个体词语相似度的定制化动态信息检索[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
2 邓长寿;郭景峰;杨焱林;邓安远;;下一代Web搜索引擎初探[A];第十八届全国数据库学术会议论文集(研究报告篇)[C];2001年
3 彭轲;廖闻剑;;浅析搜索引擎[A];中国通信学会第五届学术年会论文集[C];2008年
4 李丹;;如何利用搜索引擎查找中医药信息[A];中国中医药信息研究会第二届理事大会暨学术交流会议论文汇编[C];2003年
5 李贺华;付鹤岗;;多Agent Web信息检索应用研究[A];2008年计算机应用技术交流会论文集[C];2008年
6 维尼拉·木沙江;吐尔洪·吾司曼;;维、哈、柯文搜索引擎中网页爬行器的设计与实现[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
7 汤薇;曾艳;;构建校园网搜索引擎必要性分析[A];广西计算机学会2008年年会论文集[C];2008年
8 姚树宇;赵少东;;一种使用分布式技术的搜索引擎[A];2005年全国开放式分布与并行计算学术会议论文集[C];2005年
9 倪俊峰;;基于黄页搜索引擎的关键字排名广告系统的设计与实现[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年
10 张怡;查贵庭;;SEO在信息服务中的应用研究[A];2010年中国索引学会年会暨学术研讨会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 杜亚军;搜索引擎智能行为的研究及实现[D];西南交通大学;2005年
2 岑荣伟;基于用户行为分析的搜索引擎评价研究[D];清华大学;2010年
3 李群;主题搜索引擎聚类算法的研究[D];北京林业大学;2011年
4 苏君华;面向搜索引擎的技术接受模型研究[D];南京大学;2011年
5 师智斌;高性能数据立方体及其语义研究[D];北京交通大学;2010年
6 朱明杰;互联网搜索系统中的高性能查询问题研究[D];中国科学技术大学;2009年
7 陈旭毅;基于索引云的企业搜索引擎实现研究[D];武汉大学;2011年
8 郭眈;中文互联网视频搜索引擎系统策略研究[D];北京交通大学;2012年
9 滕广青;基于概念格的数字图书馆知识组织研究[D];吉林大学;2012年
10 智慧来;概念格构造与应用中的关键技术研究[D];上海大学;2010年
中国硕士学位论文全文数据库 前10条
1 王倩;基于概念格的个性化搜索引擎查询扩展研究[D];北京邮电大学;2008年
2 李新春;基于WordNet的概念格语义匹配算法及其在搜索引擎上的应用[D];西华大学;2008年
3 邓波;基于形式概念分析的网页文本匹配研究[D];西华大学;2008年
4 许研;基于FCA的信息检索模型研究及应用[D];河南大学;2007年
5 许威;基于概念格的查询扩展系统及建格算法研究[D];北京邮电大学;2008年
6 司卫国;基于移动Agent的Web信息检索系统的研究[D];西安电子科技大学;2005年
7 陈瑶;基于移动Agent的Web信息检索系统的研究[D];武汉理工大学;2007年
8 杨献峰;搜索引擎个性化检索技术的研究[D];中国石油大学;2007年
9 韩亮;基于本体的消防信息检索系统的研究[D];大连海事大学;2008年
10 张柯;基于概念格的语义相关度计算及应用[D];河南大学;2007年
中国重要报纸全文数据库 前10条
1 李一鑫;搜索排名的红与黑[N];财经时报;2007年
2 周文林;搜狗3.0能否撼动搜索市场[N];经济参考报;2007年
3 惠正一;比尔·盖茨:微软不怕Google[N];第一财经日报;2005年
4 赛迪顾问股份有限公司互联网与电子商务咨询中心 常燕杰;搜索,还是门户[N];中国计算机报;2005年
5 陈珊;浙江移动推出手机搜索引擎服务[N];人民邮电;2005年
6 赵法忠;搜索引擎还需悠着点[N];中国经营报;2005年
7 金朝力;搜索引擎火拼搜索质量[N];北京商报;2006年
8 本报记者  赵晓辉 孟昭丽;搜索引擎驶入“避风港”[N];中国证券报;2006年
9 孙琎;搜索引擎惊喜侵权官司止于“避风港”?[N];第一财经日报;2006年
10 姜蕊;问天下谁识搜索?[N];中国高新技术产业导报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978