改进的基于关系的IR技术分析(2)

　　2)关系的表示:其中关系是原子关系(atomic relation),即关系中无并列成分,是保证完整语义的最小单位;RCUI(Unique Identifier of Relation)是关系作为某种意义上的概念在WordNet中的唯一识别码,@RCUI(Unique Identifier of Relation'sHypernymy)。 　　(二)关系的抽取与整合
　　1、抽取关系
　　首先,动词也存在同义词和近义词,但是对于名词的同义词和近义词,某些领域本体库已经给出了它们对应的概念及其编号(UMLS中记为CUD,大大减少了多词同义、多词近义而词形不同带来的麻烦,但是这些本体库并不涉及动词;其次,有些其他词性的词,如某些特殊的名词代表某种动词的涵义。如果将此类情况忽略,一定会影响检索性能。但是,如果可以根据同义近义将关系归类编号,压缩为数量不多(UMLS中有50多个)的语义关系,就可以很好的解决上述问题,这也是处理体现关系的动词的最实用的方法。幸运的是WordNet提供了可以解决以上问题的机制,我们的系统就是将领域本体库UMLS和广泛本体库WordNet结合起来用于概念和关系的抽取。
　　2、表示关系
　　获取关系的工作完成后就要用适当的方式表示关系,关系表示的正确性和简便性直接影响了IRIR系统实现的复杂度,也关系到检索的性能。
　　(三)关系的整合
　　首先计算概念对的中心位置;关于概念配对,我们采用关于实体一实体关系生成的方法。概念对(Concept Pair)与关系列表(Relation List)中第n个的关系组合形成三元组,即表明该关系与概念对在同一个句子中,并且距离概念对的中心位置最近。在得到triple三个分量的值以后,就可以应用不同的策略界定与triple对应的文字段(passage)的偏移量和长度了。文字段的界定策略有多种,本文使用的是以句子为最小单位组成文字段的策略,即文字段的起始(offset)是关系所在的句子的偏移量,文字段的长度(length)是该句的长度。
　　(四)相关判定一排序机制
　　相关判定一排序原则:1)匹配最佳优先原则:文本triple匹配上查询triple的分量越多排序在前:2)概念匹配优先原则:概念包含的专业信息更丰富,因此匹配时概念较多的文本triple排序在前,只有关系分量匹配上的不判定为相关;3)当topic处理为多个triple,每个triple按相同权重(=1)分别进行检索。
　　相关判定一排序(judginges ranking)方法将第k个文本triple比对第i个topic的第J个查询triple,根据匹配上的分量类型和数量打分,概念分量匹配上多的分值较高(=文本triple[k]分值*加权值0.4,文本triple分值即为该triple在语料库中出现的次数),关系分量匹配上的分值较低(-文本triple[k]分值*加权值0.2):对于查询triple中关系是多义的情况,首词义(a)或次词义匹配上时文本triple的排序计算公式(见算法2中式((1))的加权值((weight)分别为1和0.4,对于关系是单义的情况,排序计算同(a);合并处在同一文字段的不同triple,累加其排序权值(rankValue),最后按分值高低提交triple对应的文字段(即triple表达式中的passage部分)。
　　结束语
　　信息检索,这个有着较长历史的研究和应用领域,每天都在接受人们的考验和评价,因为每天都有不计其数的用户在使用世界上数以万计的不同种类不同用途的IR系统。可以肯定地说,IR关系到人类科学技术的进步与发展,关系到每一个人的日常生活。与此同时,人们对IR领域的研究一刻也没有停止,IR领域时刻都在面临新的挑战。