Semantically-enhanced information retrieval using multiple knowledge sources
Semantically-enhanced information retrieval using multiple knowledge sources
复制标题
使用多个知识源进行语义增强的信息检索
DOI：
10.1007/s10586-020-03057-7
复制
发表时间：
2020-02
期刊：
影响因子：
--
通讯作者：
Jiang Yuncheng
中科院分区：
文献类型：
--
作者：
Jiang Yuncheng
经典或传统的信息检索（IR）方法依赖于集合中的查询和文档的基于词的表示。用户信息需求的规范完全基于原始查询中的单词，以便检索包含这些单词的文档。由于缺乏相关的关键字以及文档和用户查询中的术语变化，这些方法受到限制。针对现有语义信息检索方法的局限性，提出了一种新的语义信息检索方法。具体地说，我们提出了一种新的方法SIRWWO（语义信息检索使用维基百科，WordNet，和域本体）SIR通过结合多个知识源维基百科，WordNet，和描述逻辑（DL）本体。为了说明SIRWWO的方法，我们首先提出了标记动态语义网络（LDSN）的概念，通过扩展的动态语义网络和扩展语义网的WordNet（和DAML本体库）的基础上。根据LDSN的概念，提出了加权动态语义网络（Weighted Dynamic Semantic Network，WDSN）的概念，并给出了利用Wikipedia、WordNet和DL本体构建WDSN的方法。然后，我们提出了一种新的度量标准来衡量基于WDSN的概念之间的语义相关性。最后，我们研究的方法SIRWWO使用用户的查询关键字和数字文档之间的语义相关性。实验结果表明，我们的建议获得可比的和更好的性能结果比其他传统的IR系统Lucene。
Classical or traditional Information Retrieval (IR) approaches rely on the word-based representations of query and documents in the collection. The specification of the user information need is completely based on words figuring in the original query in order to retrieve documents containing those words. Such approaches have been limited due to the absence of relevant keywords as well as the term variation in documents and user’s query. The purpose of this paper is to present a new method to Semantic Information Retrieval (SIR) to solve the limitations of existing approaches. Concretely, we propose a novel method SIRWWO (Semantic Information Retrieval using Wikipedia, WordNet, and domain Ontologies) for SIR by combining multiple knowledge sources Wikipedia, WordNet, and Description Logic (DL) ontologies. In order to illustrate the approach SIRWWO, we first present the notion of Labeled Dynamic Semantic Network (LDSN) by extending the notions of dynamic semantic network and extended semantic net based on WordNet (and DAML ontology library). According to the notion of LDSN, we obtain the notion of Weighted Dynamic Semantic Network (WDSN, intuitively, each edge in WDSN is assigned to a number in the [0, 1] interval) and give the WDSN construction method using Wikipedia, WordNet, and DL ontology. We then propose a novel metric to measure the semantic relatedness between concepts based on WDSN. Lastly, we investigate the approach SIRWWO by using semantic relatedness between users’ query keywords and digital documents. The experimental results show that our proposals obtain comparable and better performance results than other traditional IR system Lucene.
登录
查看更多内容
使用粗略描述逻辑进行推理：近似概念方法
影响因子：
8.1
作者：
Xiao, Bao;Tang, Suqin;Jiang, Yuncheng;Wang, Ju
通讯作者：
Wang, Ju
DOI：
10.1007/11814771_26
发表时间：
2006-08
期刊：
--
影响因子：
--
作者：
Dmitry Tsarkov;Ian Horrocks
通讯作者：
Dmitry Tsarkov;Ian Horrocks
DOI：
10.1016/j.csl.2004.05.004
发表时间：
2004-07
期刊：
Comput. Speech Lang.
影响因子：
--
作者：
Hee-Cheol Seo;Hoo-Jung Chung;Hae-Chang Rim;Sung-Hyon Myaeng;Soo-Hong Kim
通讯作者：
Hee-Cheol Seo;Hoo-Jung Chung;Hae-Chang Rim;Sung-Hyon Myaeng;Soo-Hong Kim
DOI：
10.1016/j.websem.2011.12.007
发表时间：
2012-07
期刊：
J. Web Semant.
影响因子：
--
作者：
Birte Glimm;Ian Horrocks;B. Motik;Rob Shearer;G. Stoilos
通讯作者：
Birte Glimm;Ian Horrocks;B. Motik;Rob Shearer;G. Stoilos
DOI：
10.1016/j.websem.2009.07.005
发表时间：
2009-09
期刊：
J. Web Semant.
影响因子：
--
作者：
G. Zenz;Xuan Zhou;E. Minack;W. Siberski;W. Nejdl
通讯作者：
G. Zenz;Xuan Zhou;E. Minack;W. Siberski;W. Nejdl