基于多层markov网络的信息检索模型

《基于多层markov网络的信息检索模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解江西师范大学研究生院有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权江西师范大学研究生院可以将学位论文的全

2、部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：签字日期：年月日导师签名：签字日期：年月日万方数据摘要随着互联网的蓬勃发展，信息资源数量呈指数级的增长，信息检索技术也在不断地进步。通过信息检索系统，用户可以迅速地接触到丰富精彩的信息，对于生活、工作和学习都带来了许多便利。然而面对海量的数据信息，核心的问题是如何快速又准确地从中找出与用户需求相关的内容。仅仅把文档中的词与查询词进行匹配的方法并不能带来良好的检索结果，因此挖掘更加有效的信息来提高检索精度成为一个研究热点

3、，已有的研究表明将各方面的附加信息有效地融合进信息检索的过程将带来更好的检索效果。对一个具体查询而言，可以充分利用与已有查询的相关性、词语相关性和文档相关性等信息进行查询扩展和重构。基于这种思路，本文通过分别构造查询网络、词网络和文档网络及他们之间的关系提出了多层Markov网络的信息检索模型，模型可以融合词间关系、文档间关系和查询问关系，为了有效降低计算量，给出了基于团计算模型。实验表明本文的模型能够有效融合三方面的信息，并较大幅度地提高检索效果。本文的创新点主要有：1．通过对训练文档集的学习，根据词与词相关性、文档与文档相关性和查询与查询之间的相关性来构造M

4、arkov网络。2．为了避免加入较多的噪音信息，通过设定阈值，同时为了有效地降低计算量，给出了团的计算模型，分别提取词团、文档团和查询团信息，将这三种信息分别赋予不同的权重，融入至文档与查询的概率公式中，计算文档与查询的最终相关概率。关键词：信息检索；多层Markov网络：查询扩展；团万方数据AbstractW池theexplosivedevelopmentofinteract，informationretrievaltechnologyiskeepinginnovation嬲theinternetresourcehavinganexponentialgrowt

5、h．UserscomeintocontactwiⅡlplentifulinformationusingi11]rormfionretrievalsystem,whichbringsgreatconvenienceincommonlife，learningandwork．Thekeyproblemishowtosearchcontentsthatusingrequestquicklyandaccuratelyinfrontofvastdates．Themethodmatchingtermsindocument、析mquerytermssimplyleadstote

6、rriblequeryresult,therefore，ithasbeenaresearchfocusthatimprovingtheretrievalaccuracybyminingmoreeffectiveinformation．Previousstudieshaveshownwhentheadditionalinformationcombines谢ththeinformationretrievalprocess，itwillleadtoabetterretrievaleffect．Asforaspecificquery,wecalltakefultyadv

7、antageoftheexistingqueriescorrelationinformation,termsanddocumentsforqueryexpansionandreconstruction．Onthisway,weproposeaninformationretrievalmodelbasedonmultilayerMarkovnetwork．TheMarkovnetworkisconstructedbythecorrelationofquerynetwork，termnetworkanddocumentnetwork．ThemodelCallbein

8、tegratedcorr