探索式搜索中支持多角度概念发现方法

吉林大学学报(信息科学版) ›› 2015, Vol. 33 ›› Issue (1): 72-78.

探索式搜索中支持多角度概念发现方法

张引^a, 高克宁^b, 张斌^a

东北大学 a. 信息科学与工程学院； b. 计算中心, 沈阳 110004

收稿日期:2014-07-15 出版日期:2015-01-24 发布日期:2015-03-20
作者简介:张引（1985—）, 男, 沈阳人, 东北大学讲师, 主要从事Web信息处理研究, (Tel)86-18602424420(E-mail)zhangyin_mail@163.com；张斌（1964—）, 男, 辽宁本溪人, 东北大学教授, 博士生导师, 主要从事服务计算、 Web信息处理研究, （Tel）86-24-836883384（E-mail）zhangbin@ise.edu.cn。
基金资助:
国家自然科学基金资助项目(61100090)；中央高校基本科研业务费专项基金资助项目(N120304002)；沈阳市科学技术计划基金资助项目(F11264133)

Supporting Multi-Aspected Concept Discovery for Exploratory Search

ZHANG Yin^a, GAO Kening^b, ZHANG Bin^a

a. College of Information Science and Engineering; b. Computing Center, Northeastern University, Shenyang 110004, China

Received:2014-07-15 Online:2015-01-24 Published:2015-03-20

摘要/Abstract

摘要：

为帮助用户在执行探索式搜索时发现领域内重要、有价值的概念, 同时了解概念所处的问题角度进而全面理解目标领域, 以建模概念的实际使用情况为基础, 分析确定概念的重要度及问题角度对概念重要度的影响, 提出了支持用户多角度概念发现方法。该方法考虑了概念的重要性及概念所处问题角度之间的交互影响, 实现了对影响概念发现两方面因素的同步分析。实验表明, 相比直接搜索, 该方法减少了48.8%的搜索交互次数, 并提升了24.3%的概念出现数量。

关键词: 探索式搜索, 概念发现, 排序聚类, 概念重要度

Abstract:

In order to help exploratory search users discover important and valuable concepts for domains, and understand aspects of the concepts and comprehensively understand the problem domains, based on a concept usage model, concept importance and how problem aspects affect concept importance are analyzed to attain a method supporting multiaspected concept discovery. Such a method considers mutual affects between concept importance and problem aspects of concepts, leading to a simultaneous analysis on the two factors. Experimental results show that the proposed method could reduce search interactions by 48.8% and could improve concept occurrences by 24.3%.

Key words: exploratory search, concept discovery, rank cluster, concept importance

中图分类号:

TP391

张引, 高克宁, 张斌. 探索式搜索中支持多角度概念发现方法[J]. 吉林大学学报(信息科学版), 2015, 33(1): 72-78.

ZHANG Yin, GAO Kening, ZHANG Bin. Supporting Multi-Aspected Concept Discovery for Exploratory Search[J]. Journal of Jilin University(Information Science Ed, 2015, 33(1): 72-78.

[1]	李温温，刘富，姜守坤. 基于引导滤波的指节纹图像增强算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 409-413.
[2]	张勇，张溯，王旭东，路阳，王臣. 基于时频域特征的场景音频研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 300-305.
[3]	任伟建，宋月，陈建玲，任璐，孙勤江. 基于改进的卷积神经网络的钢号识别[J]. 吉林大学学报(信息科学版), 2018, 36(3): 325-332.
[4]	刘富，刘星，康冰. 基于浅层残差网络的视线估计算法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 333-338.
[5]	刘欢，范亚芹，梁乃生. 基于网络信息的混合推荐算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 339-344.
[6]	卢韶芳，关馨，韩长明. 快速提取旋转体轮廓母线方法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 269-276.
[7]	张雯頩，康冰. 驾驶员疲劳状态检测方法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 252-259.
[8]	黄岩，刘金蟾，孔垂禹，张赛男. 基于 FPGA 的视频图像提取研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 283-288.
[9]	于超, 王璐, 程道文. 基于本体的教育资源语义检索系统研究[J]. 吉林大学学报(信息科学版), 2018, 36(2): 207-212.
[10]	刘克平, 李西卫, 李岩, 于微波. 基于边缘信息的SIFT 图像匹配算法[J]. 吉林大学学报(信息科学版), 2018, 36(2): 200-206.
[11]	罗威林,周大可,杨欣 . 基于超像素显著性的无人机引导区域提取[J]. 吉林大学学报(信息科学版), 2018, 36(1): 41-47.
[12]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[13]	王玉,宁可新,朱蕾蕾 . 基于 TLS 和 JWT 远程救助系统安全的 API[J]. 吉林大学学报(信息科学版), 2017, 35(6): 656-661.
[14]	兰兰, 陈万忠, 魏庭松. 基于融合特征提取与 LLE 方法的表情识别[J]. 吉林大学学报(信息科学版), 2017, 35(4): 384-391.
[15]	王旭阳, 姜喜秋. 特定领域概念属性关系抽取方法研究[J]. 吉林大学学报(信息科学版), 2017, 35(4): 430-437.