基于分面主题图探索式搜索的研究.docVIP

基于分面主题图探索式搜索研究 赵金海 （聊城大学图书馆 山东聊城，252059） 摘要：采用比TMDM更丰富的语义发现技术和现有研究方法，从信息查询动机、分面选择、原型结构、主题图探索等角度，对基于分面主题图探索式搜索分析。评价自动选择分面导航指标，论证如何整合基于分面主题图探索式搜索功能，探讨用户如何在缺乏专业知识领域采用探索式搜索实现查询信息的目的。 关键词：主题图；知识管理；知识导航；探索式搜索 research on the Facet-based Exploratory Search in Topic Maps ZhaoJinHai (Library of Liaocheng University，Liaocheng in China, 252059) Abstract: Adopting the found technology and the existing research method richer than TMDM semantic, it explores and analysis the facet-based exploratory search in topic maps from the angle of the information query motivation, the facet selection, the prototype structure, exploratory search in topic maps et al. It evaluates the automatic selection facet navigation points, and proves how to integrate the function of the facet-based exploratory search in topic maps. This paper discusses how the user exploratory search in the lack of professional knowledge field to achieve the purpose of the queried information. Keywords: Topic Maps; Knowledge Management; Knowledge Navigation; Exploratory Search 面对复杂的信息检索系统，用户有时还会遇到不熟悉的专业领域，尤其在不了解数据结构，或查询的数据集较大时，用户常常会感到不知所措，或放弃查询需求。如何解决这一问题呢？本文向用户推荐一种可在不熟悉专业知识领域探索、索取信息的基于分面主题图探索式搜索（Facet-based Exploratory Search in Topic Maps）方法，并对此进行分析研究，旨在抛砖引玉。 1 使用动机（Motivation） 通常情况下，用户向搜索引擎提交新查询的步骤：探索检索信息，筛选查询结果，被动获取下一步查询线索[1]。当用户发现某一专业领域，却缺乏该专业知识，还必须查询信息应时，这里推荐采用探索式搜索。这种探索式搜索具有允许用户在没有前期信息空间知识经验的背景下发现新信息的界面和功能。尤其在用户不了解数据结构或查询数据集较大时，可采用分面导航可视探索技术搜索信息。该技术的查询表达式不仅可从用户精选/导航中提炼，而且还可通过限制值反复限定信息空间视图，直到检索结果达到满意为止（参见图1）。 图1：限制树生成式分面导航：利用反复选择分面和限制值的方法生成信息空间 在分面导航系统中，可为一个主题分配多个分类分面，采用多种方法排序。一个分面代表该类主题唯一的重要特征或元数据属性。不论时间（诞生日期）、空间（地点）、人物（作者），材料（主题），还是活力（活动）等属性都采用直观分面描述。因它们基本采用手工本体构建，所以只用在固定数据结构[2]。在不同文献结构上下文中，尤其动态改变数据集时，为快速适应变化就需要一种识别分面的——即信息空间主体间关系的——自动化技术向用户提供最新上下文分类法。 2. 分面选择（Facet Selection））‘资源’的上层（即代表当前观点主题的主题）和目标的上层（即查询关系，表达主题参照的另一主题）。 与RDF比，这里主要介绍信息空间实体的三项内容（subject（主语）），predicate（谓语），object（宾语））的特殊定义,TMDM提供更丰富的语义，通过识别符、范围等五项内容描述多种结构[4,5],即利用事件取代描述job和website的方法，当然也可用关联方法。这种把事件作为探索界面（二进制）关联的方法可有效避免用户过多接触详细细节。 2.1 实体、价值和分面（E