信息检索中基于项集的查询优化算法.pdfVIP

2012年 4月 情报探索 第 4期 (总 174期) 信息检索中基于项集的查询优化算法 米 黄名选 冯 平 (广西教育学院科研处 南宁 530023)(广西工学院电控 系 柳州 545006) 摘 要：提 出一种信息检索中基于频繁项集的查询优化算法。实验结果表明，该算法有效 ，其扩展词能提高和改善信 息检索 陛能 。 关键词 ：频繁项集 查询优化 算法 信息检索 中图分类号：TP391．3 文献标识码：A doi：10．3969／j．issn．1005—8095．2012．04．023 1 引言 生成不 同的簇 ，组成全局叙词表 。或者对每个簇构造 查询扩展优化指的是修正用户原查询检索词 ， 相应的局部叙词表 ，从叙词表中推荐与原查询相关 添加与原查询相关 的词／词组 ，更完整 、更准确地描 的词作为扩展词。其实验结果表明，这种方法确实能 述原查询所隐含的语义或主题，帮助信息检索系统 提高信息检索性能，主要缺陷是不能处理查询词的 判断文档的相关性，解决信息检索领域的词不匹配 歧义性问题 ，即假如一个查询词有多个意义 ，词的聚 问题 ．以改善和提高信息检索系统的查询性能。查询 类算法会把词分配到不同的簇巾，从而使查询结果 扩展 的关键问题是扩展词的来源及其权值 的设置 。 更含糊 ．查询性能可能会下降。崔骏等H0_在圣』J检的返 扩展词主要有 4个来源 ：(1)来源于包含有词与词问 回结果文档集 中构造概念格 ，然后从概念格挖掘关 相关信息的资源 [1-2]。这种资源可以是人工生成 的， 联规则 ，从关联规则推荐扩展词实现查询扩展 ，取得 也可 以是利用大规模语料通过统计 的方法 自动生 了良好的效果。笔者 也曾对初检结果文档集挖掘 成 其 中两个人工生成 的资源例子是 “知 网”3¨ 完全加权关联规则 ，构造完全加权规则库 ，从库 中推 (HowNet)和 W“ordNet”l4]。知网是常识知识库 ，它是 荐扩展词。而冯平等 ¨从前列 n篇初检局部文 lt1 以汉语和英语 的词语所代表的概念为描述对象，揭 抽取与原查询相关的特征词 。构造特征词库 ，然后从 示概念与概念之间以及概念所具有的属性之间的关 库中推荐扩展词 。这些文献的实验结果表明，扩展词 系 。WordNe提供了英文单词之 间的复杂关系 ，包括 推荐方法都能有效地提高和改善信息检索性能 。 同义词 、反义词 、修饰词等词与词问的相关信息。(2) 综上所述 。当前查询扩展优化研究中，扩展词 的 来源于用户查询 日志[5-6]。用户的查询 日志是众多用 来源方式主要以第 4类为主 ，采用数据挖掘技术对 户使用检索系统时多次 “反馈”结果的积累。(3)来源 初检结果文档集进行分析处理 。笔者 曾针对查询扩 于整个文献集的信息 ，即先利用文献集中的所有 展优化的需要 ，提出了一种在初检结果中挖掘频繁 文档构造叙词表 ，然后从叙词表中推荐与原查询相 项集的算法，该算法的挖掘效率 比传统挖掘算法的 关 的词作为扩展词 。(4)来源于初检结果 中认为相关 高_1。本文在此基础上 ，进一步将挖掘算法获得的扩 的文档[9-12]．即对第一次检索的结果进行分析 ，从 中 展词添加到原查询。并检验扩展优化的效果 选择更多的信息作为扩展词的来源。 2 基于项集的信息检索查询优化算法 贺宏朝l1利用知 网中的同义关系资源为每一个 2．1 扩展 词权 值设置 方法 查询词推荐扩展词 ，Rila等口使用 WordNet资源 中 频繁项集支持度常被用来衡量频繁项集在整个 提供 的信息进行英文信息检索词扩展研究 ，取得