领域语义信息检索研究——以竹藤领域为例

本书以竹藤领域为例，以实现基于植物外形特征的竹藤种类鉴别为信息服务目标；利用领域术语自动识别技术、不确定性知识表示方法、语义信息检索技术等相关理论和技术，分别对竹藤信息中的数值型数据和文本型数据的语义信息检索展开研究；完成竹藤外形特征标本数据库、竹藤领域本体库和竹藤领域语义信息检索模型的构建，实现竹藤领域信息语义关联检索。

前言
第一章 绪论 1
1.1 研究背景 1
1.2 研究意义 4
1.3 研究内容 4
1.4 技术路线 6
1.5 本书贡献 7
第二章 相关研究综述 8
2.1 语义信息检索 8
2.2 农业领域语义信息检索 9
2.3 基于本体的农业领域语义信息检索 10
2.4 植物鉴别方法 11
2.5 本章小结 13
第三章 基于云模型TOPSIS的植物鉴别检索方法 14
3.1 引言 14
3.2 问题提出 14
3.3 相关理论及技术 15
3.3.1 云模型 15
3.3.2 TOPSIS多属性综合评价法 18
3.4 算法步骤 19
3.5 实例 22
3.6 本章小结 28
第四章 基于互信息条件随机场的中文领域术语识别方法 29
4.1 引言 29
4.2 相关理论及技术 30
4.2.1 领域术语 30
4.2.2 领域术语识别方法 30
4.2.3 互信息 32
4.2.4 条件随机场模型 33
4.3 基于互信息条件随机场的中文领域术语识别方法 34
4.3.1 问题提出 34
4.3.2 算法步骤 36
4.3.3 实例 37
4.4 实验结果与分析 42
4.4.1 实验设置 42
4.4.2 实验一：与互信息、信息熵及单纯条件随机场算法的识别效果比较 43
4.4.3 实验二：窗口宽度和标注集对本算法性能的影响 44
4.5 本章小结 46
第五章 竹藤领域语义信息检索模型 47
5.1 引言 47
5.2 相关理论及技术 48
5.2.1 信息检索模型 48
5.2.2 查询扩展 52
5.2.3 TF-IDF算法 54
5.3 竹藤领域语义信息检索模型 55
5.4 竹藤本体构建 56
5.4.1 竹藤本体的设计 56
5.4.2 竹藤领域本体知识表示 57
5.4.3 竹藤领域本体知识实例化 58
5.5 查询扩展 62
5.5.1 语义查询扩展 62
5.5.2 概念相似度计算 63
5.5.3 查询扩展的检索方法 64
5.6 竹藤领域术语权重计算 64
5.6.1 竹藤领域术语权重定义 64
5.6.2 竹藤领域术语权重计算 65
5.7 语义相关度计算 66
5.7.1 检索词与实例间的语义相关度计算 66
5.7.2 结果的相关度排序 69
5.8 实验结果与分析 69
5.8.1 实验一：语义查询扩展对模型性能的影响 70
5.8.2 实验二：引入领域术语权重对模型性能的影响 71
5.8.3 实验三：与贝叶斯检索模型的比较 73
5.8.4 实例 74
5.9 本章小节 74
第六章 总结与展望 76
6.1 本书总结 76
6.2 研究展望 77
参考文献 78