基于贝叶斯网络的结构化文档检索模型

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 180-183.

基于贝叶斯网络的结构化文档检索模型

赵爽¹，徐建民²

1.河北理工大学经管学院，河北唐山 063000
2.河北大学数学与计算机学院，河北保定 071002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 赵爽

Structured document retrieval model based on Bayesian network

ZHAO Shuang¹，XU Jian-min²

1.College of Economics and Management，Hebei Polytechnic University，Tangshan，Hebei 063000，China
2.Computer Department of Mathematics and Computer College，Hebei University，Baoding，Hebei 071002，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: ZHAO Shuang

摘要/Abstract

摘要： 研究表明合理考虑术语之间的关系可以提高检索系统的性能。采用共现分析的方法从文档集合中学习得到术语之间的关系，并应用到结构化文档检索中，提出了一个基于贝叶斯网络的结构化文档检索模型，给出了其拓扑结构、概率估计以及推理过程。实验表明该模型的检索性能要优于没有考虑术语之间关系的模型。

关键词: 贝叶斯网络, 结构化文档, 结构化文档检索, 共现分析

Abstract: Using the term relationships can improve the performance of the Information retrieval system.This paper adopts the method based on co-occurrence analysis to learn the term relationships，applies these relationships to the structured document retrieval，and presents a structured document retrieval model based on Bayesian network，gives the topology，probability estimation and the inference process of this model.Experiment results show that the retrieval performance of this model is better than the model that does not consider the term relationship.

Key words: Bayesian network, structured document, structured document retrieval, co-occurrence analysis

赵爽¹，徐建民². 基于贝叶斯网络的结构化文档检索模型[J]. 计算机工程与应用, 2007, 43(21): 180-183.

ZHAO Shuang¹，XU Jian-min². Structured document retrieval model based on Bayesian network[J]. Computer Engineering and Applications, 2007, 43(21): 180-183.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[4]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[5]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[6]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[7]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[8]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[9]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[10]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[11]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[12]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.
[13]	高学攀，廖士中. 基于贝叶斯网络的林火概率预测系统设计与实现[J]. 计算机工程与应用, 2017, 53(13): 246-251.
[14]	刘飞飞，蔺婧娜，刘潇潇. 基于动态贝叶斯网络的复杂网络攻击方法研究[J]. 计算机工程与应用, 2017, 53(11): 18-25.
[15]	杜元伟1，石方园2，杨娜2. 融合专家相对推断的贝叶斯网络构建方法[J]. 计算机工程与应用, 2016, 52(22): 105-112.