专业信息检索系统中索引项提取策略的研究创新.PDFVIP

维普资讯 第 l8卷 第 9期 计算 机 技术 与 发展 Vo1．18 No．9 2008年 9月 COMPUTER TECHNOI_KX?,Y AND DEVELOPMENT Sep． 2008 专业信息检索系统中索引项提取策略的研究 熊桂喜，陆壮飞 (北京航空航天大学计算机学院，北京 100083) 摘 要 ：索引项(IndexUnit)的提取是中文全文检索领域的关键技术之一。将通用搜索引擎的索引项提取策略应用于某一 专业领域的检索系统中，会出现因标引词典无法覆盖该领域的专业词汇而造成的查准率偏低和因辞典不断加入专业词汇 而造成检索效率降低的矛盾。介绍了一种面向专业领域的索引项提取策略，通过在提取过程中区分索引项和专业索引项 并分别计算其权值，提升专业索引项与 目标文档的相似度。在北京公安交通管理领域的网页数据集进行实验，证明该索 引策略在查询专业领域信息时可提供较高的查准率并显著提高检索效率。 关键词：专业检索；索引权重；倒排文件 中图分类号 ： 9l 文献标识码 ：A 文章编号：1673—629X(2008)09—0019—03 ResearchonIndexUnitSelectionStrategyin Domain——OrientedInformationRetrieval XIONG Gui—xi．LU Zhuang—fei (SchoolofComputerScience，BeihangUniversity，Beijing100083，China) Abstract：Indexunitselectionisoneofthekeytcc}m。1ogjesOfChinesefull—textretrieva1．GeneralPUrposeindexunitselcetoinmethodis notsuitablefordomain—orientedinformationretrievalbeck．usethereveil1beaconflictbetweenthe1OWaccuracyandrecal1ratecausedby at：aes —linedictionarywhichCna notcoverdomain—orientde wordsnadthedcereaseofperformancecauesdbythegrowingdictionary size．Introducesadomain—orientde indexunit,selectionstrategy．Itisabletoincreasethesimilaritybetweendomain—specificindexunits nadd~umenmbyselcetingodmain—specificna dgeneralindexun itsnadcalculating theirweightseparately．Inthispapertusedocun aents from Beijing PublicTrafficManagementwebsiteasexperimentaldataest，show thatthedomain—orientde indexunitselcetionstrategy canprovidebetteraccuracynadsignificnatlyimpmvde retrievalefficiency． Keywords：domain—orientde infom~atoinretrieval；indexweight；invertde file 0 引 言 ①单字索引项 ：将中文文本中每个字都