Математическое моделирование и программная реализация семантического преобразования поисковых запросов

• Автор: Кириллов, Антон Владимирович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 251 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ
ВВЕДЕНИЕ
Глава Е Основные подходы к поиску информации в электронных документах
1.1. Традиционные поисковые системы
1.1.1 Формальные компоненты поисковой системы
1.1.2 Логический метод определения множества претендентов
1.1.3 Проблема ранжирования: переход от г к т
1.1.3.1 Логический метод ранжирования
1.1.3.2 Ранжирование на основе вектора документа
1.1.3.3 Реалистичные модели ранжирования
1.1.4 Оценка качества документа на основе цитирования: алгоритм PageRank
1.1.4.1 Вычисление рейтинга страницы по алгоритму PageRank
1.1.4.2 Наглядное обоснование
1.2. Семантический поиск
1.3. Естественно-языковые поисковые системы
1.3.1 Обзор зарубежных естественно-языковых поисковых систем
1.3.2 Обзор отечественных естественно-языковых поисковых систем
1.4. Постановка задачи диссертационного исследования
1.5. Выводы по главе
Глава 2. Формализация и
2.1 Состояние исследований по семантической обработке вопросов на естественном языке
2.2 Базовые принципы нового подхода к семантически-ориентированному поиску информации в Интернете
2.3 Разработка принципов семантического расширения аспектноориентированных запросов
2.3.1 Центральные идеи предлагаемого подхода
2.3.2 Первичные информационные единицы для разработки алгоритма анализа аспектно-ориентированных запросов
2.4 Краткая характеристика теории К-представлений
2.5 Разработка математической модели проблемно-ориентированной системы первичных единиц концептуального уровня
2.6 Разработка плана алгоритма построения семантического расширения аспектно-ориентированного поискового запроса
2.7 Анализ структуры входных запросов аспектно-ориентированного типа
2.8 Формализация предположений о входном языке аспектноориентированных поисковых запросов
2.9 Основные идеи разработки алгоритмов определения типа и объектов интереса входных запросов
2.10 Алгоритмы определения типа аспектно-ориентированного вопроса и его объектов интереса
2.10.1 Алгоритм определения типа запроса
2.10.2 Алгоритм определения объектов интереса запроса
2.11 Разработка алгоритма построения семантического расширения аспектно-ориентированного поискового запроса
2.12 Обсуждение разработанных алгоритмов
2.13 Выводы по главе
Глава 3. Разработка алгоритмов семантического преобразования обобщенных запросов на основе математических моделей компонентов базы знаний
3.1. Разработка принципов семантического расширения обобщенных запросов достижения целей
3.2. Формальная модель базы знаний для представления целей
3.3. Анализ структуры запросов достижения целей
3.4. Разработка алгоритма определения типа вопросов достижения целей и их объектов интереса
3.5. Метод преобразования вопросов достижения целей к расширенному виду
3.6. Разработка принципов семантического расширения обобщенных запросов об изменениях состава множеств
3.7. Разработка формальной модели базы знаний для описания изменений состава множеств
3.8. Анализ структуры запросов об изменениях составов множеств
3.9. Разработка алгоритма определения типа запросов об изменениях составов множеств и их объектов интереса
3.10. Метод построения семантического расширения вопросов об изменениях в составе множеств
3.11. Разработка итоговой модели базы знаний для поддержки поиска
3.12. Выводы по главе
Глава 4. Программная реализация системы семантически-ориентированного поиска на основе предложенного метода и исследование полученных результатов
4.1 Разработка и реализация архитектуры программного комплекса AOS Engine
4.1.1 Разработка концептуальной архитектуры программного комплекса
4.1.2 Разработка компонентной архитектуры программного комплекса
4.1.2.1 Общая архитектура программного комплекса и выбор платформы реализации
4.1.2.2 Лингвистическая база знаний
4.1.2.3 Аспектно-ориентированная база знаний
4.1.2.4 Подсистема AOS Engine
4.1.2.5 Выбор платформы реализации
4.2 Разработка итогового алгоритма построения расширенного множества запросов и ранжирования результатов
4.3 Исследование полученных результатов
4.4 Выводы по главе

системой, вместо нескольких различных. С точки зрения программной реализации, системы метапоиска являются гибридными приложениями.
Зачастую, в системах ЕЯ-поиска используются методы машинного обучения - научной дисциплины, посвященной проектированию и разработке алгоритмов, позволяющих компьютерам адаптировать свое поведение в зависимости от эмпирической информации, поступающей извне (например, из базы данных или какой-либо внешней системы).
1.3.1 Обзор зарубежных естественно-языковых поисковых систем
Рассмотрим некоторые из существующих и функционирующих зарубежных ЕЯГТС. Краткое описание систем представлено в Таблице 1.5.
Таблица 1.5. Описание некоторых из существующих естественно-языковых поисковых систем.
Система Описание
Brainboost Brainboost является системой метапоиска, разработанной для предоставления ответов на вопросы, сформированные на ЕЯ1. В настоящее время поддерживается только аглийский язык. Ядро Brainboost использует техники машинного обучения и анализа естественного языка для ответов на вопросы пользователей. Brainboost, в отличие от традиционных ПС, генерирует множество различных запросов, которые затем передает в традиционные системы поиска информации. Тексты документов, полученных от ПС, анализируются на наличие в них ответов на вопрос, введенный пользователем. Затем ответы, обнаруженные в данных документах, ранжируются при помощи алгоритма AnswerRank и возвращаются пользователю.
Накіа Hakia2 - это поисковая система для Интернета, использующая технологию QDEX (Query Detection and
1 Домашняя страница системы ВгатЬоовТ.
2 Домашняя страница системы Накіа.