本文關(guān)鍵詞：基于蘊含的文本搜索的研究與實現(xiàn)

  更多相關(guān)文章： 文本蘊含 搜索引擎 詞向量 蘊含關(guān)系

【摘要】：隨著信息技術(shù)的發(fā)展,互聯(lián)網(wǎng)中的數(shù)據(jù)變得越來越多。在海量的數(shù)據(jù)中查找信息變得越來越困難。標(biāo)準(zhǔn)的搜索引擎能夠根據(jù)輸入的查詢詞輸出一系列的結(jié)果文檔,但是不能根據(jù)語義對這些結(jié)果進行二次檢索。因此,對檢索結(jié)果進行有效篩選越來越重要。 文本蘊含是語義范疇的一種指向關(guān)系,具體是指文本T和假設(shè)H在語義上具有如下關(guān)系：若H的含義能夠從文本T中推理出來,則稱T蘊含H,否則T不蘊含H。在問答系統(tǒng)、信息檢索、信息抽取以及多文檔摘要等需要進行語義推理的自然語言處理領(lǐng)域應(yīng)用中,文本蘊含已經(jīng)發(fā)展成為一項通用的任務(wù)。因此研究基于蘊含的文本搜索具有重要意義和實用價值。 本文對文本蘊含識別進行深入研究,挖掘出文本中的蘊含關(guān)系。在此基礎(chǔ)上實現(xiàn)了基于蘊含的文本搜索,用戶可以根據(jù)蘊含關(guān)系對搜索結(jié)果進行篩選,從而實現(xiàn)查詢詞的遷移和主題的跳轉(zhuǎn)。 本文的主要貢獻具體描述如下： 1.提出了基于詞向量的蘊含關(guān)系學(xué)習(xí)方法。使用詞向量表示謂語,通過計算詞向量之間的語義相似度,學(xué)習(xí)蘊含關(guān)系。實驗結(jié)果表明該方法能有效地學(xué)習(xí)蘊含關(guān)系,學(xué)習(xí)的平均準(zhǔn)確率均值(MAP)達到60.74%,比之前的BInc方法提升了近5個百分點。 2.提出了基于詞、詞向量的蘊含關(guān)系學(xué)習(xí)。將基于詞向量的蘊含關(guān)系學(xué)習(xí)與之前的基于詞的蘊含關(guān)系方法相結(jié)合,混合多種特征對蘊含關(guān)系進行學(xué)習(xí)。實驗結(jié)果表明該方法與之前的BInc方法相比,F值從30.67%提升到34.49%。 3.通過對新聞文本語料進行處理,將文本蘊含與文本搜索相融合,實現(xiàn)了基于蘊含的文本搜索系統(tǒng),是對傳統(tǒng)分面搜索功能上的一種擴充,方便用戶根據(jù)蘊含關(guān)系對搜索結(jié)果進一步檢索,體現(xiàn)了文本蘊含研究的實用性,同時提高了搜索系統(tǒng)的易用性。
【關(guān)鍵詞】：文本蘊含 搜索引擎 詞向量 蘊含關(guān)系
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.1
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-9
• 第一章 緒論9-15
• 1.1 背景和意義9-10
• 1.2 研究現(xiàn)狀10-12
• 1.3 本文工作12-14
• 1.4 論文結(jié)構(gòu)14-15
• 第二章 相關(guān)工作15-33
• 2.1 搜索引擎15-21
• 2.1.1 系統(tǒng)架構(gòu)15-17
• 2.1.2 檢索模型17-19
• 2.1.3 發(fā)展趨勢19-20
• 2.1.4 搜索引擎Solr20-21
• 2.2 文本蘊含21-29
• 2.2.1 概念21-23
• 2.2.2 命題模板23
• 2.2.3 蘊含關(guān)系學(xué)習(xí)23-28
• 2.2.4 蘊含圖28-29
• 2.3 詞向量模型29-32
• 2.3.1 詞向量概念29
• 2.3.2 詞向量構(gòu)建方法29-31
• 2.3.3 word2vec31-32
• 2.4 本章小結(jié)32-33
• 第三章 蘊含關(guān)系學(xué)習(xí)33-42
• 3.1 基于詞向量的蘊含關(guān)系學(xué)習(xí)33-38
• 3.1.1 預(yù)處理34-38
• 3.1.2 詞向量構(gòu)建38
• 3.1.3 蘊含關(guān)系學(xué)習(xí)38
• 3.2 基于詞、詞向量的蘊含關(guān)系學(xué)習(xí)38-40
• 3.3 蘊含圖的構(gòu)建40-41
• 3.4 本章小結(jié)41-42
• 第四章 實驗42-55
• 4.1 實驗數(shù)據(jù)42
• 4.2 評價指標(biāo)42-44
• 4.3 實驗結(jié)果與分析44-54
• 4.3.1 基于詞向量蘊含關(guān)系學(xué)習(xí)44-47
• 4.3.2 基于詞、詞向量的蘊含關(guān)系學(xué)習(xí)47-50
• 4.3.3 實驗結(jié)果錯誤分析50-51
• 4.3.4 蘊含圖生成結(jié)果51-54
• 4.4 本章小結(jié)54-55
• 第五章 基于蘊含的文本搜索系統(tǒng)55-65
• 5.1 系統(tǒng)架構(gòu)56-57
• 5.2 開發(fā)環(huán)境57-58
• 5.3 數(shù)據(jù)源58-59
• 5.4 索引建立59
• 5.5 檢索排序59-60
• 5.6 搜索展現(xiàn)60-64
• 5.7 抗壓性評估64
• 5.8 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 工作總結(jié)65
• 6.2 工作展望65-67
• 參考文獻67-71
• 致謝71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 郭力潔;李新葉;宋金澮;;分面搜索研究綜述[J];電子科技;2012年09期

2 王瓊;搜索引擎的四大發(fā)展趨勢[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2005年03期

3 司胲銳;;石安石論語義蘊含[J];科技信息(學(xué)術(shù)研究);2008年26期

4 張鵬;李國臣;李茹;劉海靜;石向榮;Collin Baker;;基于FrameNet框架關(guān)系的文本蘊含識別[J];中文信息學(xué)報;2012年02期

5 吳思竹;錢慶;胡鐵軍;李丹亞;李軍蓮;洪娜;;詞形還原方法及實現(xiàn)工具比較分析[J];現(xiàn)代圖書情報技術(shù);2012年03期

，

本文編號：995738