Email檢索系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、20世紀(jì)90年代互聯(lián)網(wǎng)的成功，對信息檢索領(lǐng)域產(chǎn)生了巨大的變革?；ヂ?lián)網(wǎng)由于數(shù)據(jù)量龐大、廣告、風(fēng)格的多樣化導(dǎo)致了網(wǎng)頁檢索的興起?，F(xiàn)在，信息檢索領(lǐng)域又面臨一個同樣巨大的挑戰(zhàn)：找到一種高效的檢索算法來處理復(fù)雜的企業(yè)內(nèi)部局域網(wǎng)信息。Email檢索是企業(yè)檢索領(lǐng)域的7大關(guān)鍵開放問題之[1]。網(wǎng)頁和文本文件已經(jīng)有比較成熟的技術(shù)。然而,Email檢索，包括Email線索樹的拓?fù)潢P(guān)系，Email結(jié)構(gòu)(主題，發(fā)信時間，發(fā)信人等)的處理，Email對其回復(fù)Em

2、ail的全部或部分抄寫等問題，都沒有沒行之有效的方法。TREC2005年Email檢索任務(wù)的第一次提出，提供了研究和評測的平臺。 作者在TREC平臺下設(shè)計和實現(xiàn)了Email檢索系統(tǒng)。從Email郵件本身的內(nèi)部結(jié)構(gòu)，查詢，訓(xùn)練問題等角度對Email檢索進(jìn)行了分析，提出了一系列需要解決的問題，并使用命名實體識別方法和基于Email文檔結(jié)構(gòu)的方法來解決，一定程度上改進(jìn)了檢索的效率。 本文工作的主要貢獻(xiàn)總結(jié)如下： ·本文

3、建立了Email信息檢索系統(tǒng)，一個包含語料處理，查詢處理，查詢等功能的系統(tǒng)，并且在TREC中得到實際應(yīng)用。 ·本文從Email郵件本身的內(nèi)部結(jié)構(gòu)，查詢，訓(xùn)練問題等角度對Email檢索進(jìn)行了分析，提出了Email檢索系統(tǒng)需要解決的問題和難點。 ·本文分析了Email的文檔結(jié)構(gòu)特征，給出了提取抄寫部分的方法，并分析了在各種檢索模型中文檔結(jié)構(gòu)的應(yīng)用效果。 ·本文提出了使用命名實體識別方法對查詢作預(yù)處理并很好的運用于Em