基于叙词表的知识单元检索系统设计.docVIP

基于叙词表的知识单元检索系统设计 通过调查总结叙词表在文献数据库中的应 用现状，在此基础上设计一个基于叙词表的文献数据 库知识单元检索系统。该系统首先将数据库中的文献 分解为知识单元，检索时用叙词表中的正式叙词对用 户输入的检索词进行规范化处理，并将该正式叙词作 为中心词，利用叙词表中的词间关系查找出该词的等 同词、上下位词和相关词作为扩展检索词，对知识单 元进行加权检索，按权值之和以及检索词的密集程度 排序输出。经实例分析，具有可行性。 关键词词间关系加权检索叙词表知识单 元 分类号 G350 叙词表从出现至今，经过长期的发展和完善，已 在传统文献标引和检索中取得巨大成功，正在向网络 应用发展。但不管是传统文献检索还是网络文献检索， 系统为用户提供的都是整篇文献，而非直接反映需求 的知识单元。知识单元是随着知识服务发展起来的， 旨在直接为用户提供有用的知识点，而非文献单元或 信息单元。王子舟将“知识单元”定义为“客观知识 系统中有实际意义的基本单位”；文庭孝认为“知识单 元是指在知识管理中可以对关联知识进行独立、自由、 有效识别、处理与组织的基本单元”。本文设计了一种 利用叙词表检索文献数据库中知识单元的方法，进而 探索叙词表在文献数据库知识服务中的应用方式和前 旦 O 1叙词表在文献数据库中的应用现状 叙词表提供了比较规范和全面的检索词体系，对 多义词和同义词进行了控制，从而保证了信息检索的 检全率和检准率。在标引过程中，可依据叙词表通过 人工或自动化方法确定文献的叙词描述，形成叙词字 段，从而更加准确、规范、全面地描述文献主题。检 索过程中，可利用叙词表中的正式叙词对用户检索词 进行规范化控制，还可以利用词表中的词间关系实现 一定程度的扩检和缩检。 国外基于叙词表词间关系的信息检索研究早在 20世纪90年代初就已出现。Fowler R H等曾提出在一 个统一的可视化界面上整合用户提问、叙词表和文献 信息。他们认为叙词表中的相关关系网络和文献间相 互关系可对检索目的起到辅助作用。Voorhees EM也 曾对叙词表词间关系在检索扩展中所起的效果进行实 证研究主要利用WordNet中的词间关系对文献进行基 于词义的自动标引，在此基础上，分别对两种标引结 果进行基于向量空间模型的检索实验。伹实验结果表 明，与词形匹配效果相比，这种基于词间关系扩展的 查询语句并没有明显改善检索效果。Niejianyun和 Brisebois M则认为，向量空间模型并不适用于这种类 型的检索式扩展，它将使扩展检索式的质量很大程度 上依赖叙词表关系的结构；而且WordNet是一个非专 业词表，它的词间关系设置不严格，领域范畴也不规 范，因此将WordNet用作叙词表不具有代表性。 与网页信息更新速度快、类型复杂、质量参差不 齐等特点相比，文献数据库中的文献更符合叙词表规 范化控制、学科设置严格的特点，因此近年来叙词表 在检索系统中的应用更多地体现在文献数据库中，例 如：英国国家数字档案馆NDAD，ERIC数据库， MeSHDatabase, ISI Web of Knowledge 的 INSPEC，Engi —neering Village等国外文献数据痺。在目前的应用中， 叙词表主要用于帮助用户选择适当的正式叙词作为检 索词，个别数据库为用户提供的叙词字段，在一定程 度上保证了检全率和检准率。以ERIC数据库为例，输 入检索词“Agricuhure”，分别利用关键词(Key—words)、 题名(Title)、叙词(Descriptors from Thesaurus)进行检索， 得到的结果如表1所示： 由此可见，使用叙词检索可以获得比关键词检索 更加准确、比题名检索更加全面的检索结果。 但在实际应用中，叙词字段的建立还不能由计算 机自动完成，需要大量标引人员的参与，费时费力， 人工建立叙词描述的方法并不可取。另外，文献数据 库展示给用户的检索结果大多是以整篇文献为单位的 著录信息，如题名、 、关键字、 等，属于文 献单元’层次，没有深入到文献的知识层次，即知识 单元，用户往往需要阅读完整篇文献后才能确定其是 否有用。为了同时满足检索需求和效率，文献数据库 的检索结果应该是能直接解决用户问题的知识单元， 而这些知识单元又应该以叙词表为依托，才能保证其 准确性。 2系统总体设计 本文结合叙词表、文献数据库的特点以及用户需 求，利用叙词表中规范的词间关系，设计了一个数据 库中知识单元的叙词加权检索系统，该系统的总体结 构如图1所示： 本系统主要分数据加工、规范化和检索三部分： 2，1数据加工 将文献转换为文本格式，便于进行切分处理。本 系统将以自然段落作为知识单元的粒度，因此要将文 献切分为以段落为单位的片段，并对其进行切分词处 理，存入数据库