关联数据驱动的查询扩展技术研究

doi:10.13266/j.issn.0252-3116.2015.04.018

图书情报工作 ›› 2015, Vol. 59 ›› Issue (4): 122-128.DOI: 10.13266/j.issn.0252-3116.2015.04.018

关联数据驱动的查询扩展技术研究

田野¹, 杨眉¹, 祝忠明², 张静蓓³

1. 上海交通大学图书馆上海 200240;
2. 中国科学院兰州文献情报中心兰州 730070;
3. 上海外国语大学图书馆上海 201620

收稿日期:2014-11-03 修回日期:2015-01-15 出版日期:2015-02-20 发布日期:2015-02-20
作者简介:田野(ORCID:0000-0001-5335-2673),助理馆员,硕士,E-mail:ytian@lib.sjtu.edu.cn;杨眉(ORCID:0000-0002-4282-6738),副研究员,博士;祝忠明(ORCID:0000-0002-2365-3050),研究员,博士生导师;张静蓓(ORCID:0000-0002-2439-5049),助理馆员,硕士。

Research of Linked Data-driven Query Expansion

Tian Ye¹, Yang Mei¹, Zhu Zhongming², Zhang Jingbei³

1. Shanghai Jiaotong University Library, Shanghai 200240;
2. The Lanzhou Branch of National Science Library, Chinese Academy of Sciences, Lanzhou 730000;
3. Shanghai International Studies University Library, Shanghai 201620

Received:2014-11-03 Revised:2015-01-15 Online:2015-02-20 Published:2015-02-20

摘要/Abstract

摘要：

[目的/意义] 针对当前查询扩展技术面临的瓶颈,提出一种关联数据驱动的查询扩展方法,改善检索系统的查全率、查准率。[方法/过程] 将扩散激活理论应用到关联数据集中,使得在输入查询词搜索潜在语义实体时,对提取的查询词的语义特征在知识库中进行有特定机制的扩散和激活,最后对这些语义关联的候补概念进行收集,并利用推理机制进行筛选,得到更优的概念集。[结果/结论] 该方法能有效提高检索系统的查全率、查准率,证明了本文提出的技术的可行性、有效性。

关键词: 查询扩展, 关联数据, 激活扩散模型, DBpedia, WordNet

Abstract:

[Purpose/significance] The current query expansion faced technology bottleneck,this paper presented a linked data-driven query expansion to improve retrieval system's recall precision.[Method/process] Applied the spreading activation model to the linked data graph. When input query words and searched for potential semantic meaning of query terms, there was a specific feature extraction mechanism of diffusion and activation in the knowledge base. Finally the candidate concepts for these semantic association were collected.[Result/conclusion] This method can improve retrieval system's recall precision. The technical feasibility and effectiveness was demonstrated.

Key words: query expansion, linked data, spreading activation model, Dbpedia, WordNet

中图分类号:

G203

田野, 杨眉, 祝忠明, 张静蓓. 关联数据驱动的查询扩展技术研究[J]. 图书情报工作, 2015, 59(4): 122-128.

Tian Ye, Yang Mei, Zhu Zhongming, Zhang Jingbei. Research of Linked Data-driven Query Expansion[J]. LIS, 2015, 59(4): 122-128.

参考文献

[1] Robertson S E, Jones K S. Relevance weighting of search terms[J]. Journal of the American Society for Information science, 1976, 27(3): 129-146.
[2] Aggarwal N,Buitelaar P.Query expansion using Wikipedia and DBpedia[C]//CLEF 2012 Evaluation Labs and Workshop.Rome:springer,2012:174-183.
[3] Augenstein I,Gentile A L,Norton B,et al.Mapping keywords to linked data resources for automatic query expansion[M].Springer: Berlin Heidelberg,2013:101-112.
[4] 王魁,王安胜.认知心理学[M].1992.北京:北京大学出版社, 1992年.
[5] Crestani F.Application of spreading activation techniques in information retrieval[J].Artificial Intelligence Review,1997,11(6):453-482.
[6] Ziegler C N,Lausen G.Spreading activation models for trust propagation[C]//Proceedings of the 2004 IEEE International Conference .Taipei:IEEE,2004: 83-97.
[7] Alani H, O'Hara K,Shadbolt N.Ontocopi: Methods and tools for identifying communities of practice[C]//Proceedings of the IFIP 17thWorld Computer Congress-TC12 Stream on Intelligent Information Processing.Montréal:springer,2002:225-236.
[8] Rocha C,Schwabe D,Aragao M P.A hybrid approach for searching in the semantic Web[C]//Proceedings of the 13th International Conference on World Wide Web.Rio de Janeiro:ACM,2004:374-383.
[9] 潘建国.基于语义的用户建模技术与应用研究[D].上海:上海大学, 2009.
[10] Fernandez-Amoros D,Gil R H, Somolinos J A C,et al.Automatic word sense disambiguation using cooccurrence and hierarchical information[M].Berlin:Springer,2010:60-67.
[11] Miller G A. WordNet: A lexical database for English[J].Communications of the ACM, 1995,38(11): 39-41.
[12] WordNet domains [EB/OL].[2014-12-20].http://wndomains.itc.it/.
[13] Nickel M,Tresp V,Kriegel H P. Factorizing YAGO:Scalable machine learning for linked data[C]//Proceedings of the 21st International conference on World Wide Web.Lyon:ACM,2012: 271-280.

[1]	张云中, 刘嘉琳, 陈涛. 馆藏唐三彩数字文化资源展示的语义支撑体系研究[J]. 图书情报工作, 2022, 66(15): 116-126.
[2]	司莉, 郭财强. 基于内容分析的数字人文领域中知识组织价值体现研究综述[J]. 图书情报工作, 2022, 66(13): 127-137.
[3]	高劲松, 付家炜, 李珂. 敦煌壁画叙词表关联数据实体语义相似度计算方法与实验[J]. 图书情报工作, 2021, 65(8): 97-106.
[4]	程结晶, 王心雨. 敦煌遗书图像知识关联与语义描述[J]. 图书情报工作, 2021, 65(7): 123-131.
[5]	贾琼, 王萍. 基于关联数据的历史档案资源聚合研究[J]. 图书情报工作, 2021, 65(10): 105-112.
[6]	张永娟, 刘炜, 于建荣, 陈涛. 基于IIIF和语义知识图谱的印章资源整合与知识发现研究[J]. 图书情报工作, 2020, 64(7): 127-135.
[7]	周毅, 张建勇, 刘峥, 刘秀敏. 科研实体名称规范的关联数据模型构建[J]. 图书情报工作, 2020, 64(10): 109-117.
[8]	陶俊. 词表语义组织研究的演进(1998-2018)[J]. 图书情报工作, 2018, 62(21): 140-148.
[9]	赵龙文, 莫荔媛, 陈明艳. 面向政府数据开放的资源描述方法[J]. 图书情报工作, 2017, 61(6): 115-121.
[10]	刘晓娟, 刘群. 基于关联数据的探索式检索系统研究与实现[J]. 图书情报工作, 2017, 61(5): 117-124.
[11]	白林林, 祝忠明. 基于Drupal的中文古籍书目关联数据发布研究[J]. 图书情报工作, 2017, 61(4): 123-129.
[12]	韩燕, 何琳, 彭爱东. 近10年我国传统知识组织系统关联化研究述评[J]. 图书情报工作, 2017, 61(24): 135-143.
[13]	曾新红, 黄华军, 刘春燕, 林伟明. ISO 5127的SKOS语义描述方案及其共享服务系统研究[J]. 图书情报工作, 2017, 61(21): 123-129.
[14]	朱志伟. 新兴技术在图书馆的应用趋势研究——《新媒体联盟地平线报告：2015图书馆版》的解读与启示[J]. 图书情报工作, 2017, 61(2): 138-143.
[15]	牛永骎, 常娥. 基于D2R发布学者关联数据集探究——以图书情报领域为例[J]. 图书情报工作, 2017, 61(19): 13-21.

关联数据驱动的查询扩展技术研究

Research of Linked Data-driven Query Expansion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics