情报检索系统用户相关性判断灰靶决策.doc

情报检索系统用户相关性判断灰靶决策[摘要] 利用灰靶决策方法，对情报检索系统的检索结果进行用户相关性判断和排序。与其他定量的目标决策方法相比，该方法受人为因素的影响较小、对样本数据的多少没有特殊的要求、计算简便，还可对不同的检索系统进行比较和评价。 [关键词] 情报检索系统 用户相关性 灰靶决策 检索系统评价 情报检索系统主要的任务是确定与用户情报需求相关的文献，并按检索结果的用户相关程度进行排序后提供给检索者使用。然而，时常出现检索者在搜索引擎或数据库面前，或者一无所获，或者虽得到成千上万个检索结果，但却与检索需求相去甚远的情况[1]。用户相关性受多种因素的影响，其中有些属于确定的因素，有些属于非确定的因素，因而面对用户某项检索提问所得的一系列检索结果，往往难以做出取舍。本文是解决用户相关性判断问题的系列论文之一，作者曾用灰色聚类决策法及层次分析法对此类问题进行过探讨[2-3]，本文作为又一次新的尝试。 1 灰靶决策方法简介 灰靶决策方法能够对不同项目或方案进行识别、选优、分级排序。而且这种排序是综合考虑了被评价单元的各项指标值之后得到的一个等级划分结果。首先在一组决策对象的指标序列中,找出最靠近目标值的标准数据序列，称之为灰靶的靶心。靶心与各决策对象的指标数列构成灰靶，而每一个灰关联差异信息空间中的指标序列与靶心的灰关联度称为靶心接近度。靶心接近度可用来对决策对象进行评估分级[4-5]。在多指标决策中，因为不同的指标通常在决策中具有不同的作用，所以应该在灰靶理论基础上采用加权模式进行处理[6]，用加权灰靶原理进行决策的基本步骤如下： #61548; 建立方案集A对指标集的效果样本矩阵R,并对其进行无量纲化（初值法或均值法）处理得到矩阵 。 #61548; 确定标准模式。决策目标分为效果值越大越好的目标、效果值越小越好的目标以及效果值适中为好的目标。当决策目标为效果值越大越好的目标时，取 ， ；当决策目标为效果值越小越好的目标时，取 ， ；当决策目标为效果值适中为好的目标时，取 （指定值）或 （平均数）， 。称 为标准模式，其中i为方案数，n为指标个数。 #61548; 确定指标权数。通过德尔菲法或层次分析法确定各指标的权重向量 。 #61548; 利用灰靶变换确定决策矩阵及靶心。对无量纲化后的指标集效果样本矩阵 进行灰靶变换，得灰靶决策矩阵T。变换公式为： （1） 如果 ， 为标准模式，则称 ={1，1，……1}为标准灰靶靶心，简称靶心。 #61548; 计算靶心距，并决定最优方案。称 （2） 为效果向量 的靶心距。效果向量的靶心距越小，与之对应的方案越满意。反之，效果向量的靶心距越大，与之对应的方案越差。因而可用靶心距来确定最优方案，并对各方案按优劣程度进行排序[1]。 2情报检索系统用户相关性判断的灰靶决策 根据上述用加权灰靶方法进行决策的5个步骤，对情报检索系统用户相关性进行判断。 #61548; 建立方案集A对指标集的效果样本矩阵。采用文献[2]中网络文献资源评价的三项指标：①内容：准确性、权威性、客观性、可靠性、独特性、新颖性、针对性、范围面和写作水平等。②设计：用户界面的友好性、浏览和检索的难易、信息组织的科学性、页面设计的艺术性和适用性。③运营：信息提供的保障性、可存取性、链接的可达性、设备使用的兼容性及费用的高低等。决策指标可根据要求确定，由于指标项数的多少不影响对决策方法的介绍，为了方便起见，我们不妨把决策指标确定为以上三大项。 设某检索系统就用户的一项检索提问共输出6个检索结果。6个方案对3个决策指标的量化评价值也取文献[2]中的矩阵 由于方案中的指标值均为百分制分值，单位统一，因此可省略无量纲化处理环节，此时 。 #61548; 对目标而言，方案中的指标值越大越好。所以取 ， ， 得标准状态模式序列{86，96，86}。 #61548; 三项指标的权重仍与文献[2]保持一致，即内容、设计、运营三项指标的权重向量为（0.708，0.138，0.154）（决策指标的权重可根据用户需求确定，使得优选结果更符合用户的特点）。 #61548; 根据（1）式进行灰靶变换，得出靶心及灰靶矩阵。靶心 ，灰靶矩阵 #61548; 根据（2）式计算各方案距标准方案的靶心距。对于方案1，靶心距为： =0.073 类似地，可以计算出其它各方案的靶心距： 由于 ＜ ＜ ＜ ＜ ＜ ，可知，编号为1的检索结果靶心距最小，可以作为相关性最强的检索结果，后边的检索结果按其相关性由强到弱的排序为4，2，3，5，6。 3结语 在上面的实例中，6个检索结果相关性排序与文献[