情报检索系统用户相关性判断的灰色聚类决策.docVIP

●王 筠 情报检索系统用户相关性判断的灰色聚类决策* 摘要 本文尝试利用灰色聚类决策的方法，对情报检索系统的检索结果进 行相关性判断。该方法便于用户对检索结果的选用，也可用于对检索系统进 行评价。 关键词 情报检索系统 用户相关性 灰色聚类决策 分类号 G354.43 ABSTRACT This paper give a grey cluslering decision method for relevance judgments that used by retrieval result of IR system.It can be used to choose retrieval result and evaluating IR system for End-users. KEY WORDS IR system，End-users relevance，grey clustering decision. CLASS NUMBER G354.43 情报检索的主要任务是确定与用户情报需求相关的文献,然而相关文档本身是一个模糊概念，不能简单地用相关或不相关来判断。另外用户的相关性受多种因素的影响，其中有些属于确定的因素，有些属于非确定因素。本文尝试利用灰色聚类方法，判定其检索结果的相关性 ,它既可以把多种因素综合起来考虑，又能将检索结果按要求分为几个区域。比如：相关、部分相关、部分不相关、和不相关等。在每个区域的检索结果中，还能给出其相关程度，根据这种程度，用户可选用其中的某些文献，同时也可对检索系统进行评价。 1 灰色聚类决策简介 所谓灰色聚类决策就是按多个不同的决策指标对决策对象进行综合评价，以确定决策对象是否满足给定的取舍准则。设有n个决策对象，m个决策指标，s个不同的灰类（即要把决策对象分为s类），xij（i = 1，2，…，n；j = 1，2，…，m）为决策对象i关于决策指标j的量化评价值，为j指标k子类白化权函数（用来描述一个灰数对其取值范围内不同数值的“偏爱”程度的函数。此函数的确定是研究者根据已知信息设计的，具 —————————— * 本文为辽宁省教育厅科研基金资助项目研究成果。 体设计方法参见文献[4]，这里的j = 1，2，…，m；k = 1，2，…，s），ηj（j = 1，2，…，m）为决策指标j的综合决策权，且 ηj = 1， 则称 为决策对象i属于k灰类的决策系数。 我们还称； i= 1，2，…，n为决策对象的决策系数向量。 若 ， 则称决策i属于灰类k*。 在实际问题中，常常会遇到多个决策对象同属于一个决策灰类，而该灰类所能容纳的对象个数又有一定限额的情况，此时可根据决策系数的大小决定取舍。 2情报检索系统信息资源评价指标 鉴于目前图书情报检索主要使用了网络信息查询手段，因而情报检索系统评价指标也应采取网络资源评价指标。网络资源评价指标基本可沿用传统文献的评价指标，同时也应考虑网上资源的特点增设一些特定的标准。根据文献[3]，我们选取以下指标。 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。 需要说明的是决策指标可根据要求确定。比如可把上面的三项大的指标分列成多项具体的指标。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。 3建立用户相关性判的灰色聚类模型 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。用户相关性判断的决策指标为①内容，②设计，③运营。各个指标的决策权分别为0.708，0.138，0.154（见文献[2]），试按相关、部分相关、部分不相关和不相关作聚类决策。根据用户的需要若只需选用其中的两个检索结果，试确定选出的结果。 采用专家鉴定的方法，得到3个决策指标的量化评价值， （i=1，2，3，4，5，6；j=1，2，3） 设3个决策指标关于4个灰类的白化权函数分别为 这里的j=1，2，3，即不同指标的白化权函数完全相同。 下面求各检索结果对各灰类的决策系数。 =1×0.708 + 1×0.138+ 0.25×0.154 ≈0.885 = 0×0.708 + 0×0.138+ 0.667×0.154 ≈0.103 ≈0.704 所以 =（0.885，0.103，0，0.704）。 类似地可以算出 =（0.846，0，0.154，0.669）， =（0.083，0.642，0.123，0.048）， =（0.81