跳到主要內容

臺灣博碩士論文加值系統

(44.200.169.3) 您好!臺灣時間:2022/12/04 20:10
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:楊仁賢
研究生(外文):YANG,REN-SIAN
論文名稱:評估主題語意路徑探勘於資訊檢索之效益
論文名稱(外文):Evaluations of Topic-based Semantic Paths for Effective Information Retrieval
指導教授:吳怡瑾吳怡瑾引用關係
指導教授(外文):Wu I-Chin
口試委員:楊千陳子立
口試委員(外文):Yang, ChyanChen Tzu Li
口試日期:2014-07-09
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2014
畢業學年度:102
語文別:中文
論文頁數:83
中文關鍵詞:混合式主題網路資訊檢索評估語意路徑擴散激發
外文關鍵詞:Hybrid topic-basedIR EvaluationSemantic path suggestionSpreading activation
相關次數:
  • 被引用被引用:1
  • 點閱點閱:147
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
如何幫助使用者從大量的資料中找到有用的資訊為資訊檢索(Information Retrieval)重要的研究課題。資訊檢索系統目的是用來協助使用者找出符合其需求的資訊,本研究將提出一個語意推論方法,找出符合字詞的語意路徑,期望將語意概念導入資訊檢索系統中,以提升檢索效能。
本研究同時考慮距離衰退(distance decay)以及維度衰退(degree decay)的混合式主題語意推論(Hybrid Topic-based Semantic Path Inference, HTSPI)演算法,以尋找符合主題之語意關係路徑。研究藉由路徑長度、準確度、DCG值…等評估尺度以驗證HTSPI演算法與其他方法之優劣。研究結果顯示,本研究所提出之語意推論方法,能夠找出符合主題,並有效縮短語意路徑長度,刪除重複的節點(索引性文章),且可找出具代表性的路徑。
本研究更進一步實作包含主題式語意路徑推薦的資訊檢索系統,研究主要觀察有語意路徑與沒有語意路徑推薦系統對使用者搜尋的幫助,即有語意路徑推薦介面是否能協助使用者找到主題相關資訊。結果顯示,有語意路徑推薦系統可以幫助使用者找尋間接關係及主題題組問題,使用者可以藉由語意路徑來協助自己尋找與題目相符的文章與選擇適當的關鍵字,並進而回答正確答案。

With the increase of information on the Internet, developing ways to help users find useful and relevant information from WWW is an important and challenging issue. In this work, we propose a hybrid topic-based semantic path inference algorithm (HTSPI) for identifying nodes with strong semantic relationships in subject-oriented encyclopedia-based semantic networks. We aimed to find semantic paths from the network using the constrained-based spreading activation (CSA) process to help users find relevant results in the information retrieval system. Basically, the proposed hybrid topic-based semantic path inference algorithm (HTSPI) considers not only distance decay but also degree decay to determine topic-based sematic paths. We compared HTPSI with other methods by path length, path score, and DCG evaluation metrics. The results show that HTSPI can find shorter and more representative paths compared to the other methods.
In this work, we implemented an IR system with topic-based semantic path suggestions, with the aim of investigating the effectiveness of the information retrieval (IR) system with or without path suggestions. Our evaluation results show that the system with semantic path suggestions can help users select proper keywords and find relevant pages, especially for finding indirect relationship concepts and topical knowledge.

表次 v
圖次 viii
第壹章 緒 論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第貳章 文獻探討 5
第一節 資訊檢索(INFORMATION RETRIEVAL) 5
第二節 語意網路(SEMANTIC NETWORK) 7
第三節 圖形網路方法 12
第參章 研究方法 17
第一節 研究問題定義 17
第二節 研究架構 19
第三節 研究方法 20
第四節 評估流程與方法 28
第肆章 實驗分析 35
第一節 實驗資料 35
第二節 路徑長度 38
第三節 專家評分 41
第四節 DCG評估 44
第五節 準確率(PRECISION) 48
第六節 一致性分析(KAPPA) 57
第七節 綜合分析 59
第伍章 評估設計與結果 61
第一節 實驗設計與流程 61
第二節 實驗結果 66
第陸章 結論 77
第一節 結論與貢獻 77
第二節 研究限制與未來展望 79
參考文獻 81

1.蔡知紘,基於主題網路之語意路徑探勘:運用限制型擴散激發模式,輔仁大學資管碩士班論文,2013年。
2.Baskaya, F. , Keskustalo, H. & Järvelin, K. , Effectiveness of Search Result Classification based on Relevance Feedback, Journal of Information Science, May 23, 2013, pp.764-772.
3.Cilibrasi, R.-L. & Vita´nyi , P.- M.- B., The Google Similarity Distance, IEEE Trans. Knowledge and Data Eng., vol. 19, no. 3, Mar. 2007,pp. 370-383.
4.Elgohary, A. , Nomir, H. , Sabek, I. , Samir, M. , Badawy, M. & Yoursi, N.A., Wiki-rec: A semantic-based recommendation system using Wikipedia as an ontology, Intelligent Systems Design and Applications (ISDA), 2010, pp.1465-1470.
5.Ito, M., Nakayama, K., Hara, T., & Nishio, S., Association Thesaurus Construction Methods Based on Link Co-Occurrence Analysis for Wikipedia, Proc. 17th ACM Conf. Information and Knowledge Management (CIKM) , 2008, pp. 817-826.
6.Järvelin, K. & Kekäläinen, J. , Cumulated gain-based evaluation of IR techniques, ACM Transactions on Information Systems (TOIS), vol. 20, no. 4, 2002, pp.422-446.
7.Kawamoto, K. , Mase, Motohiro , Kitamura, Y. & Tijerino, Y., Semantic Wiki Where Human and Agents Collaborate, WI-IAT '08. IEEE International Conference, 2008 , pp.147- 151.
8.Koren, Y., North, S.-C., & Volinsky, C., Measuring and Extracting Proximity in Networks, Proc. 12th ACM SIGKDD Int’l Conf.Knowledge Discovery and Data Mining, 2006, pp. 245-255.
9.Mohamed, A.- H.- T. , Mohamed, B.- A.& Abdelmajid, B.- H., Computing semantic relatedness using Wikipedia features, Knowledge-Based Systems 50 , 2013 , pp.260-278.
10.Okabe, M. & Yamada, S. , Learning filtering rulesets for ranking refinement
in relevance feedback , CIKM '08 Proceedings of the 17th ACM conference on Information and knowledge management , 2005, pp. 117-124.
11.Völkel, M., Krötzsch, M., Vrandecic, D., Haller, H., & Studer, R., Semantic Wikipedia, Proceedings of the 15th international conference on World Wide Web (WWW), Edinburgh, Scotland, UK, 2006, pp.585-594.
12.Wu, I.-C., Tsai, C.-H., & Lin, Y.-H., Clustering and Summarization Topics of Subject Knowledge Through Analyzing Internal Links of Wikipedia, Proc. of the 2013 IEEE International Conferences on Information Reuse and Integration - Workshop on Empirical Methods for Recognizing Inference in Text , 2013, pp.90-96.
13.Wu, I.-C., & Wu, C.-Y., Using Internal Link and Social Network Analysis to Support Searches in Wikipedia: A Model and Its Evaluation, Journal of Information Science, Vol. 37, No. 2, 2011, pp.189-207.
14.Zhang, X., Asano, Y., & Yoshikawa, M., Analysis of Implicit Relations on Wikipedia: Measuring Strength through Mining Elucidatory Objects, in Proceedings of DASFAA 2010, 2010A, pp. 460-475.
15.Zhang, X., Asano, Y., & Yoshikawa, M., Mining and Explaining Relationships in Wikipedia, DEXA'10 Proceedings of the 21st international conference on Database and expert systems applications: Part II, 2010B, pp. 1-16.
16.Zhang, X., Asano, Y., & Yoshikawa, M. , A Generalized Flow-Based Method for Analysis of Implicit Relationships on Wikipedia , IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 25, NO. 2, 2013 , pp. 246-259 .

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top