面向概念的电子公文检索研究.pdf

摘 要 在网络飞速发展、web 信息资源极为丰富的今天，如何通过信息检索获取令 人满意的检索结果已经成为一个重要的研究课题。搜索引擎作为 web 上最主要 的信息检索工具，在各个领域都得到了广泛的应用。然而，由于网络信息量的 急速增长和网络信息组织的无序性，传统的搜索引擎技术已经无法满足人们的 需求。 概念检索作为一种新的检索技术，能够通过语义同义扩展、语义蕴含扩展、 语义外延扩展和语义相关扩展对信息资源进行准确、全面的检索。而 ontology 作为语义网系统结构中的核心部分，为领域知识的创建和共享提供了一种灵活、 全面的描述和存储机制，因此在语义检索中起到了非常重要的作用。概念检索 将传统基于关键字的匹配技术上升为基于概念节点的匹配，在查全率和查准率 方面都有了很大的改进。 本文旨在针对现有检索技术的不足，提出一个面向概念的语义检索模型。文 章首先介绍了 web 信息检索的若干基础问题和研究现状、概念检索的原理、其 与传统检索方法的不同之处及概念检索的相关技术，如概念空间构建、实际应 用等方面的研究现状；然后详细介绍了本体和叙词表的定义，提出了面向概念 的叙词表OWL 表示方案，并编制程序实现了《综合电子政务主题词表》的 OWL 转换，构建了概念检索所需的概念空间；在此基础上，提出了一个基于叙词表 的概念检索模型，并选定电子政务作为实验领域，将教育部电子公文经过信息 抽取、XML 化、索引之后作为检索系统的信息库；最后，本文开发了一个面向 概念的电子公文检索平台，作为模拟系统，并设计实验比较了概念检索与传统 关键字检索的效果，初步展示了概念检索的优越性。 关键词：概念检索，本体，电子公文 1 Abstract With the rapid development of the network and the richness of web information, how to get satisfied retrieval results through information retrieval (hereinafter “IE”) has became an important research topic. As the most important IE tool on web, search engine is widely used in all fields. However, with the rapid growth and the disorder of web information, traditional IE technologies have been unable to satisfy users. As a new IE pattern, concept-based retrieval can find information precisely and comprehensively through semantic synonymic, implied, extensive and related expansion. Meanwhile, ontology, the core of the semantic web, provides a flexible and comprehensive mechanism for the creation and share of domain knowledge and therefore plays an important role in semantic information retrieval. Concept-based retrieval leads the keyword-based matching pattern to concept-based matching pattern, bringing along large improvement in the recall rate and per