第七章 信息组织中的自然语言应用.pptVIP

* * * * * * 副主题词用于对主题词的某一特定方面加以限制，强调主题词概念的某些专指方面。 二.后控词表应用现状 Synaptica 编表软件 网络化词表的应用 网络化词表的联机检索应用 MeSH browser Biosis INSPEC 网络化词表的Web检索应用 INTUTE(词表辅助检索) 《中国分类主题词表》辅助检索 二.后控词表应用现状 PubMed系统中的MeSH后控检索 《中国分类主题词表》辅助检索 Intute“Thesaurus engine”辅助检索功能 三、网络检索系统中的后控制技术 1.检索式的修整、优化 2.检索结果控制 1.检索式的修整、优化 1）停用词典――检索词有效性控制 2）截词词典――检索词词形控制 3）词间关系词表――检索式概念控制 三.网络检索系统中的后控制技术 1）停用词典――检索词有效性控制 停用词典收录所有对检索无意义和高频率的虚词、介词及增加系统资源开销的插入语等性质的词和短语。 例如： “的”、“of”、 “the”、介词、“一般来说”、“总体而言” … 三.网络检索系统中的后控制技术 ２）截词词典――有效检索词词形控制 截词检索有字面成族的作用，而字面成族的词中有一部分或大部分又是概念成族的，所以利用截词检索可提高检全率，但也会带出一些误检的网络资源。 截词必须适可而止，截去部分过多反而会增加误检率。 截词检索主要是针对英语等西方语系而言的。 E.g.“communicat-” Communicate,communication ,communicating 三.网络检索系统中的后控制技术 ３）词间关系词表――检索式概念控制 检索式的重新构造或者说是优化主要是通过使用与检索式有词间关系的新词来扩展或缩减来完成。 词间关系词表是组织那些用来帮助你发现你想发现的，但并没有想到的等级词、同义词、相关词的词库。 如：“Elderly people(老人)”＝ “Senior citizens（老人）” 网络后控检索的两种模式： “松散浏览模式” “松散检索模式” 三.网络检索系统中的后控制技术 概念/词条关系的获得方式（1）－－基于词表 基于词表（thesaurus）。手工建立辞典来存储概念层次及词条之间的交叉联系，该工作通常有领域专家来完成。如，UMLS（统一医学语言）。 E.g. Intute社会科学专业有哪些信誉好的足球投注网站引擎中使用的Hasset主题词表。 百度有哪些信誉好的足球投注网站引擎具有根据检索式反馈一系列相关检索词的功能，通过用户与系统的交互，实现辅助用户构造检索策略、优化检索式的功能，从而得到相对全面、准确的检索结果。分析其本质，其关键技术实质是系统内置了一个类似于同义词、相关词词典的“后控”的相关关系词表。 三.网络检索系统中的后控制技术 三.网络检索系统中的后控制技术 SOSIG（社会科学主题网关） eXcite的Zoom In检索助手实例 三.网络检索系统中的后控制技术 百度“相关有哪些信誉好的足球投注网站”功能 三.网络检索系统中的后控制技术 获得方式（2）－－基于语料知识库技术 语料知识库（Knowledge base），是使用语法分析、统计等技术从文档集合中自动学习，是一种建立在知识网络基础上的概念推理的检索方法。 是概念检索的高级阶段－－智能检索。 语料知识库：WordNet,HowNet（知网） 三.网络检索系统中的后控制技术 WordNet 三.网络检索系统中的后控制技术 HowNet(知网) 三.网络检索系统中的后控制技术 WordNet提供的关系类型 三.网络检索系统中的后控制技术 ＷordNet1.6检索系统 三.网络检索系统中的后控制技术 后控检索应用中的注意点 后控词间关系词表在检索系统中应该以“词族片断”的结构形式存放。 词间关系词表控制下的查询扩展，一定要注意让用户根据检索意图（或者说是检索的语义概念）来选择，通过交互式的术语提示方式来实现控制。 三.网络检索系统中的后控制技术 2.检索结果控制 检索结果的后处理，也是检索的一个过程，对检索结果的控制在网络信息检索环境中特别必要和重要。 按相关度计算来排序检索结果（百分比、星级显示） 按检索结果主题内容聚类（聚类技术能经常地帮助用户调整对感兴趣的检索结果的快速定位） 三.网络检索系统中的后控制技术 检索结果的联机聚类技术 Results-clustering 通过聚类，将检索结果组织成一棵主题导航树，其好处是你处理的将是一个相对小数量的结果集，而不是从整个网络上检索到的所有信息，科学地从检索结果角度优化了检索，减轻了用户负担，使用户以最快的速度准确定位到满足其检索需求的记录信息。 三.网络检索系统中的后控制技术 检索结果的联机聚类 检索结果S 簇S1 簇Sm