一种基于微分流型的WEB检索算法

《一种基于微分流型的WEB检索算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第!"卷!第#期西!安!交!通!大!学!学!报3789!"!:#!#$$%年#月&’()*+,’-./0+*&/+’1’*2(*/34)5/16-;<9#$$%一种基于微分流型的O/7检索算法霍!华!冯博琴!西安交通大学电子与信息工程学院"=>$$?""西安#摘要"为进一步提高a;<的检索性能!提出了一种基于微分流型的a;<检索算法9该算法的核心思想为"用微分流型描述a;<空间!用流型的切平面模拟a;<的切空间!将流型上#点之间的测地线距离转化为二维平面上点与点之间的欧氏距离!基于距离的匹配过程由原来的在整个文档集合

2、中进行!转换为仅在查询的邻域内进行!以减少匹配过程的计算量9实验结果表明!该算法的查准率比277N8;和//1分别提高!%#?Z和?$"!Z!它更适合于大型异构a;<文档集合的检索9关键词$a;<空间#微分流型#查准率#查全率中图分类号$1A!">!文献标识码$+!文章编号$$#%!!"B=.!#$$%#$#!$>!$!$?O/7-/,5"/B)(4($%5",630)*/1%#I"&&/5/#,")(!)#"&%(1P4+P4""()#$*+’&#!5CD7787E48;CFG7HICJKHL/HE7GMKFI

3、7H4HNIH;;GIHN".I0KH&IK7F7HN(HIO;GJIFP".I0KH=>$$?""@DIHK#47*,5)+,$17EQGFD;GIMSG7O;FD;G;FGI;OK8S;GE7GMKHC;7Ea;

4、L"KHLa;

5、;GFDKHIHFD;RD78;L7CQM;HFC788;CFI7HJ7KJF7FD;C7MSQFKFI7HK8C7MS8;TIUFP7EFD;MKFCDIHNSG7C;JJRKJG;LQC;L94TS;GIM;HFK8G;JQ8FJJD7RFDKFFD;K8N7GIFDMJQGSKJJ;J7O;G277N8;KHL//1!%#?ZKHL?$"!ZIHKO;GKN;SG;CIJI7HG;JS;CFIO;8P"KHLIFIJM7G;KSSG7SGIKF;E7G8KGN;KHLD;F;G7N;H;7QJa;

6、;FDKH7FD;GK8N7GIFDMJ98/9:%51*$!)K1>"/)%,&22)3)#-&"0."#&2+0,%>3)/&1&+#%3)/"00&X"=’!!目前的a;<检索大多使用基于向量的检索技能"主要原因是$#每一种相似度计算方法具有术"将a;<文档结构构造成加权有向图"a;<文档不同的几何属性"即每一种方法适合于特定的a;<为有向图的顶点"每#个顶点之间由一带有权值的文档集合"当a;<文档集合很大时"一种相似度计边相连"权值反映对应的#个a;<文档的相似算方法就不能适应整个a;<文档集合%$实际的&>

7、!!’度9这种技术将a;<空间视为欧氏空间"利用欧a;<结构很复杂"a;<空间是一个巨大的异构文档&?’氏距离计算a;<文档之间的相似度9在实际应用集合"目前还没有一个特定的相似度计算方法适用中"根据欧氏距离的不同表示形式"基于向量的文档于任何a;<文档结构的判断标准9为进一步提高相似度计算也有多种方法"如余弦法(向量内积法a;<的检索性能"本文提出了一种基于微分流型理&%’等"但这些方法很难进一步提高a;<的检索性论的a;<检索算法!a)^]W#9收稿日期$#$$?!$!!#"9!作者简介$霍!华!>"XB"#"男

8、"在职博士生"河南科技大学电子信息工程学院教师%冯博琴!联系人#"男"教授"博士生导师9!基金项目$国家高技术研究发展计划资助项目!#$$!++>Y#X>$#9万方数据!第#期!!!!!!!!!!!!!!!!!霍!华!等)一种基于微分流型的a;<检索算法>!>#!’Y!Q(被称为在"’".Y(点M的Y"(7"3!""">!基于微分流型的文档相似