站内教学资源的个性化搜索机制研究..docVIP

站内教学资源的个性化搜索机制研究 P站内教学资源的个性化搜索机制研究/P P　　关键词:教学资源;个性化;搜索机制 BR摘要:针对高校教学资源日益丰富却检索困难的问题,对站内文档的个性化搜索机制进行研究。在分析个性化搜索系统功能的基础上提出了总体架构,并对实现架构中各模块所需的关键技术进行了详细的阐述,分析结果表明此机制可提高搜索系统的智能化水平。 BR　　 /P PBR　　 BR　　一、研究背景和研究内容 BR　　随着高校校园网的快速发展和现代教育技术的普及,越来越多的教师将自己搜集和制作的各种教学资源,以文档形式上传到学校的服务器上,供学生和其他教师下载。当前大多数提供此类服务的网站,都以分类目录或基于关键词的搜索为用户提供教学资源的检索服务。但当服务器上的教学资源数量很大、涉及范围很广时,用户想从中快速查找到自己所需的目标文档就变的很困难。 BR　　本文针对以上的问题设计了一个在校园网环境下,具有对站内教学资源进行个性化处理功能的搜索机制,可为高校教务和教学管理信息系统提供智能化的检索服务。该机制主要包括系统总体架构和实现各模块功能所需的关键技术,其设计思想为在通用的基于关键词搜索机制的基础上[1],增加个性化建模模块和结果处理模块,根据用户兴趣模型对查询词及结果集进行个性化处理。 BR　　 BR　　二、总体架构设计 BR　　系统架构设计系统架构主要包括五个功能模块:用户接口、索引模块、查询模块、个性化建模模块和结果处理模块。 BR　　(1)用户接口 BR　　用户接口是搜索系统与用户之间的交互界面,用于接收用户输入,返回搜索结果。在接收用户输入时,如果是用户注册信息,用户接口将信息转发给用户建模器;如果是查询词,则将查询词同时转发给查询器和用户建模器。用户接口在接收到结果处理器的返回结果时,将返回结果直接转发给客户机浏览器。 BR　　(2)索引建立模块 BR　　索引建立模块包括索引器、教学资源库、词典和索引库。用于将教学资源库中的文档进行解析,将非文本格式的文档进行预处理,然后根据词典进行分词处理,最后建立倒排索引存入索引库。 BR　　(3)个性化建模模块 BR　　个性化建模模块包括用户建模器和用户信息库,其中用户信息库又包括用户兴趣模型和用户查询记录两个子库。在接收到用户接口发来的信息时,如果为用户注册信息,个性化建模模块针对用户的兴趣、专业和其他信息为用户建立个性化兴趣模型,该模型由基于关键词的向量表示;如果是查询词,则将其存储到相应用户的查询历史记录中。 BR　　(4)查询模块 BR　　查询模块包括查询器、索引库和用户信息库。查询模块在接收到用户接口发来的查询信息时,先将查询词根据用户兴趣模型进行扩展,然后再与索引库中信息进行匹配,最后将产生的结果集发送给结果处理模块。 BR　　(5)结果处理模块 BR　　结果处理模块包括结果处理器和用户信息库。结果处理模块在接收到查询器返回的结果集后,首先,根据用户兴趣模型对结果进行排序,即通过特定算法进行相似度的评价,使更符合用户个性化需求的结果排在前面;其次,根据用户兴趣模型对结果集中的文档进行信息抽取,生成个性化的文档摘要;最后,将结果信息发送给用户接口。 BR　　 BR　　三、关键技术研究 BR　　(一)索引建立模块 BR　　对于索引建立模块,本文在开源全文检索工具包Lucene的基础上进行开发[2]。Lucene在建立索引方面提供了为文档建立倒排索引的功能,Lucene的索引书写器类IndexWriter只能对纯文本的二进制字节流进行索引,其文本分析器类Analyzer以二元为默认方式进行分词。在本文中,教育资源库中的文档多为中文的非纯文本文档,因此,需要进行文档预处理,并为IndexWriter类构造具有中文分词功能的Analyzer对象。 BR　　(二)个性化建模模块 BR　　对于个性化建模模块,采用用户注册、系统动态更新的方式进行用户兴趣模型的生成和管理。 BR　　(三)查询模块 BR　　对于查询模块,采用基于用户兴趣模型的查询词扩展进行目标文档检索。 BR　　(四)结果处理模块 BR　　对于结果处理模块,主要进行结果集的个性化处理,首先根据用户兴趣进行结果排序,然后动态的生成个性化的文档摘要,最后将结果返回给用户接口。 BR　　 BR　　四、性能分析 BR　　(一)索引器 BR　　一方面,索引器采用的POI和PDFBox组件为Apache的开源组件,这两种组件功能强大,效率也不逊色于通用搜索引擎的专用文档解析工具,足以胜任对高校站内文档进行纯文本数据提取的工作。另一方面,索引器采用专业的中文分词组件,提高了索引器的分词效率和准确性。 BR　　(二)用户建模器 BR　　用户建模器建立的用户兴趣模型采用最基本