面向信息檢索的XML文檔節(jié)點(diǎn)語(yǔ)義研究.pdf

1、可擴(kuò)展標(biāo)記語(yǔ)言XML已經(jīng)成為數(shù)據(jù)交換的重要格式，并且廣泛應(yīng)用在數(shù)字圖書(shū)館、科學(xué)數(shù)據(jù)庫(kù)以及互聯(lián)網(wǎng)等領(lǐng)域。隨著XML文檔的廣泛應(yīng)用，對(duì)于XML文檔檢索的研究已逐漸成為信息檢索領(lǐng)域的一個(gè)重要研究方向。目前對(duì)于XML信息檢索的研究已經(jīng)取得了一定的成果，但是排序的精確度不高。對(duì)XML檢索結(jié)果的排序直接關(guān)系到XML信息檢索的性能，但現(xiàn)有的XML檢索結(jié)果排序模型考慮了詞項(xiàng)在XML文檔中出現(xiàn)的統(tǒng)計(jì)特性，但沒(méi)考慮詞項(xiàng)所在的位置，即視XML文檔中各節(jié)點(diǎn)具有

2、同等的重要性。然而，節(jié)點(diǎn)在整個(gè)XML文檔中的角色不同，因此，相同內(nèi)容出現(xiàn)在不同節(jié)點(diǎn)中，應(yīng)該具有不同的權(quán)重，即不同的節(jié)點(diǎn)具有不同的語(yǔ)義權(quán)重。 本文提出了一種基于向量空間模型的XML節(jié)點(diǎn)語(yǔ)義權(quán)重自動(dòng)獲取方法，該方法主要是通過(guò)對(duì)節(jié)點(diǎn)與文檔的相似性計(jì)算來(lái)獲取節(jié)點(diǎn)的語(yǔ)義權(quán)重。實(shí)驗(yàn)數(shù)據(jù)選擇Wiki部分?jǐn)?shù)據(jù)集，專家對(duì)各節(jié)點(diǎn)語(yǔ)義權(quán)重的手工標(biāo)注結(jié)果與該模型自動(dòng)標(biāo)注結(jié)果的Pearson相關(guān)系數(shù)達(dá)到0.827，說(shuō)明該節(jié)點(diǎn)語(yǔ)義標(biāo)注模型能夠較好地分析節(jié)點(diǎn)