發(fā)布時間：2020-05-12 01:42

【摘要】：本文研究聯(lián)合數(shù)字圖書館的信息服務技術，力求合理地對各類海量數(shù)字信息進行組織、存儲、檢索和訪問，并且有效地利用互聯(lián)網(wǎng)的優(yōu)勢向用戶提供海量數(shù)字信息服務。 本文首先研究了聯(lián)合數(shù)字圖書館信息服務的基礎構架，它提供聯(lián)合數(shù)字圖書館信息服務所必須的基本功能，即一組核心服務；并詳細闡述了聯(lián)合數(shù)字圖書館的數(shù)字對象體系結構。數(shù)字對象體系結構提供對分布式數(shù)字對象的持久保存、安全訪問、管理以及索引服務，從而使聯(lián)合數(shù)字圖書館中的海量分布式數(shù)字資源成為用戶的知識源泉。 數(shù)字對象體系結構中的信息檢索技術具有挑戰(zhàn)性，其發(fā)展趨勢為：采用人工智能技術對分布式的聯(lián)合數(shù)字資源進行語義檢索。本文重點研究了這方面的若干關鍵技術，其中包括：聯(lián)合信息檢索中的搜索引擎選擇；基于貝葉斯網(wǎng)絡模型的智能信息檢索技術；個性化信息服務。 本文的主要研究成果如下： (1)采用關聯(lián)規(guī)則發(fā)現(xiàn)的方法挖掘術語之間的語義概念關系，提出了四種高效地計算術語間條件概率的方法，將這些語義概念關系存儲于信息檢索系統(tǒng)的貝葉斯網(wǎng)絡模型中，從而支持基于語義概念的信息檢索。 (2)引入相關術語集來描述資源的內(nèi)容，并對術語問相互獨立的假設進行改進，從而提高聯(lián)合信息檢索中搜索引擎選擇的精確度和減少搜索引擎選擇時的計算量。該描述方法為：用關聯(lián)規(guī)則發(fā)現(xiàn)的方法得到相關術語集，存儲相關術語集中的術語及其出現(xiàn)頻度，通過得到術語間的相關關系來提高搜索引擎選擇的精確度。 (3)采用基于知識和基于機器學習相結合的方法進行用戶興趣建模，其中包括采用多個特征向量表示用戶的興趣模型，以及提出了將用戶的相關反饋信息和頁面訪問挖掘的方法相結合更新用戶興趣模型，從而快速、準確地發(fā)現(xiàn)用戶的興趣，并且將搜索結果結合用戶興趣模型進行分類和排列。 (4)提出了基于貝葉斯網(wǎng)絡模型的用戶興趣聯(lián)合推送方法，它利用貝葉斯網(wǎng)絡模型表示術語間的條件概率和概念語義關系，，預測不同用戶興趣的相似度以及用戶興趣模型和文檔間的概念語義相似度，因此可以根據(jù)具有相似興趣用戶的訪問信息主動推送信息，從而使用戶方便地從聯(lián)合數(shù)字圖書館中獲得所需的高質量內(nèi)容。 繼續(xù)深入研究聯(lián)合數(shù)字圖書館中的基于語義概念的信息檢索和導航，以及更精確地進行個性化服務仍將是一些很有前景的引人入勝的課題。
【學位授予單位】：中國科學院研究生院（計算技術研究所）
【學位級別】：博士
【學位授予年份】：2002
【分類號】：G252;G250.76

【引證文獻】

相關期刊論文 前1條

1 王春紅;張敏;楊秀榮;;基于Web的信息過濾系統(tǒng)的設計與實現(xiàn)[J];電子科技大學學報;2009年S1期

本文編號：2659419