摘要: 在信息检索中,查询与文档集的词不匹配使得查询的查全率(recall)和查准率(precision)均较低.为了提高检索效果,查询扩展是一种较好的方法.Markov网络是一种图形表示方法,它具有很好的学习机制,并能有效表示知识关联.本文利用奇异值分解(SVD)提取词之间... 展开 在信息检索中,查询与文档集的词不匹配使得查询的查全率(recall)和查准率(precision)均较低.为了提高检索效果,查询扩展是一种较好的方法.Markov网络是一种图形表示方法,它具有很好的学习机制,并能有效表示知识关联.本文利用奇异值分解(SVD)提取词之间潜在语义(LS)构造Markov知识网络,用该网络来进行查询扩展.实验表明,基于潜在语义的Markov网络信息检索模型可以极有效地提高检索效果. 收起