基于深度语义信息的查询扩展

• 作者: 刘高军 方晓 段建勇
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 查询扩展 语义相关度 深度学习 全局文档分析 语言模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 3192-3197
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020040473

摘要

随着互联网时代的到来,搜索引擎开始被普遍使用.在针对冷门数据时,由于用户的搜索词范围过小,搜索引擎无法检索出需要的数据,此时查询扩展系统可以有效辅助搜索引擎来提供可靠服务.基于全局文档分析的查询扩展方法,提出结合神经网络模型与包含语义信息的语料的语义相关模型,来更深层地提取词语间的语义信息.这些深层语义信息可以为查询扩展系统提供更加全面有效的特征支持,从而分析词语间的可扩展关系.在近义词林、语言知识库"HowNet"义原标注信息等语义数据中抽取局部可扩展词分布,利用神经网络模型的深度挖掘能力将语料空间中每一个词语的局部可扩展词分布拟合成全局可扩展词分布.在与分别基于语言模型和近义词林的查询扩展方法对比实验中,使用基于语义相关模型的查询扩展方法拥有较高的查询扩展效率;尤其针对冷门搜索数据时,语义相关模型的查全率比对比方法分别提高了11.1个百分点与5.29个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段建勇		26	101	5.0	9.0
2	刘高军		41	237	7.0	15.0
3	方晓		2	0	0.0	0.0