基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型設計

吳榮

(火箭軍工程大學圖書館,陜西西安 710007)

1 數(shù)字圖書館信息領域本體的建立

通過運用大數(shù)據(jù)分析技術,對數(shù)字圖書館信息領域本體進行有效建立,然后在知識庫中,對用戶需要進行檢索的信息進行搜索。當用戶將查詢請求輸入數(shù)字圖書館信息領域本體領域時,推理機便會對輸入的語句或者關鍵詞進行語義推理,以構成邏輯表達式,然后會在檢索系統(tǒng)中上傳邏輯表達式。在進行檢索過程中,還應選用RDF等工具來對實例推理進行詳細描述,根據(jù)相關推理規(guī)則與推理要求,同時結合實際情況,由系統(tǒng)程序員來合理構建規(guī)則。最后,在數(shù)字圖書館信息資源中,對用戶所需的有關文獻資源進行搜索,不過因為存在多種不同類型的領域本體,所以應根據(jù)各種類型的領域本的開發(fā)層次,對領域本體進行有效建立。其中,選用的本體建立方法為[1-3]:

第一,選用單本體方法,表明共享詞匯集是由全局本體所提供的,全局本體一定要與全部的信息源產(chǎn)生聯(lián)系,確保語義的一致性。針對某一特定領域,當需要對其進行映射時,可以選用單本體方法,不過存在一個前提條件,即信息源變化不會影響單本體。其中,單本體結構,如圖1所示。

圖1 單本體結構Fig.1 Single body structure

第二,選用多本體方法,對各種信息源進行詳細描述,同時保證全部的本體均具有自己的詞匯集。當信息源發(fā)生變化時,并不會較多影響本體結構,本體結構僅會發(fā)生較小程度的改動,這也是多本體方法的一大重要優(yōu)勢。其中,多本體結構,如圖2所示。

圖2 多本體結構Fig.2 Multi-ontology structure

針對以上兩組方法,應根據(jù)領域本體的實際需求,選取相應合理、可行的分類方法,能夠在數(shù)字圖書館信息資源中,將用戶所需的文獻資料精準搜索出來。

2 用戶查詢信息的有效處理

在完成數(shù)字圖書館信息領域本體的建立以后,接下來需要對用戶查詢信息進行有效處理,選用統(tǒng)一模式,對文本形式進行詳細解析,然后在文檔數(shù)據(jù)庫中將其儲存起來。根據(jù)數(shù)字化文檔元數(shù)的規(guī)范定義,在遵守MARL標準的原則下,將文檔數(shù)據(jù)庫中的文檔信息提取出來。為能夠共享數(shù)據(jù)信息,選用XML,在元數(shù)據(jù)庫中儲存提取出來的元數(shù)據(jù)組織[4]。其中,文檔元數(shù)據(jù)提取流程示意圖,如圖3所示。

圖3 文檔元數(shù)據(jù)提取流程示意圖Fig.3 Schematic diagram of document metadata extraction process

根據(jù)MARL 元數(shù)據(jù)提取的標準,對不同類型的數(shù)據(jù)庫信息進行提取與細化,最后提取文檔信息元數(shù)據(jù)。不過,針對XML,由于它沒有語義描述功能,因此需要建立相應合理的概念模型。

當以上工作全部完成以后,通過運用一些工具來對程序進行有效簡化,包括主題詞、語義字典等,有助于元數(shù)據(jù)建立工作量的減少。

3 數(shù)字圖書館信息的有效檢索

在將用戶查詢信息處理工作完成以后,需要對數(shù)字圖書館信息檢索模型進行建立,具體操作流程為[5-7]:

第一步,選用智能算法,對上下文單詞進行有效處理,對候選術語的長度、候選術語的出現(xiàn)頻率、候選術語的出現(xiàn)次數(shù)總和進行計算,其中,計算公式為:

C-Value={log2|a|*f(a)} (1)

在公式(1)中:智能算法用C-Value來進行表示;字符串長度用log進行表示;候選字符串用a進行表示;出現(xiàn)頻率用f進行表示。

在利用智能算法對術語進行抽取過程中,需要先對C-Value值進行計算,然后對詞性過濾規(guī)則進行建立,最后對與詞性過濾規(guī)則相符合的術語進行搜索。

第二步:當獲取候選術語列表之后,應對可接受的精度進行有效計算,利用智能算法NC-Value,對上下文加權因子的權重進行有效計算,其中,計算公式為:

Weight(w)=t(w)/n (2)

在公式(2)中:上下文中的詞匯用w進行表示;全部術語總數(shù)用n進行表示;術語數(shù)目用t(w)進行表示;上下文加權因子用weight(w)進行表示。

第三步:對數(shù)字圖書館信息檢索模型層次架構進行有效建立,具體內容,如表1所示。

表1 數(shù)字圖書館信息檢索模型層次架構Tab.1 Hierarchical structure of information retrieval model of digital library

其中,第一層,應用層,就是指入口集合,利用了人工智能服務技術,便于用戶在不同功能界面中得到自己所需的信息;第二,服務層,這是數(shù)字圖書館信息檢索模型的關鍵部分,主要功能就是向用戶提供個性化服務,如個性化信息推送服務、智能信息檢索服務等;第三,支持層,這是數(shù)字圖書館信息檢索平臺的引擎部分,能夠對信息進行儲存、分類、檢索、采集等;第四,資源層,在數(shù)字圖書館數(shù)據(jù)庫中,資源層是重要支撐。

基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型,如圖4所示。

圖4 基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型Fig.4 Digital library information retrieval model based on big data analysis technology

基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型的基本工作原理為:第一,利用概念檢索技術,在領域專家的指導下,對領域本體進行建立;第二,根據(jù)MARL元數(shù)據(jù)標準,通過選用大數(shù)據(jù)分析技術,對信息源中的數(shù)據(jù)進行收集,同時構建元數(shù)據(jù)庫;第三,將用戶查詢請求提交到檢索界面,對檢索需求進行有效處理;第四,對領域本體的語義相似度進行有效排序,相似度大的排在前面,排序結束以后,向用戶進行提交。

4 仿真結果與分析

針對本文設計的基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型,為對其的可行性進行有效驗證,選取與SaaS領域有關的500篇文本做為前景語料,包括文化領域、新聞領域等。本次分別選用建立的模型與傳統(tǒng)檢索模型來進行檢測,檢測獲取的檢索匹配結果能否獲取效果十分好的平均權重、召回率、準確率[8-9]。以確保本次實驗具有足夠的說明性,其中,傳統(tǒng)檢索模型的檢測結果,如表2所示,新建檢索模型的檢測結果,如表3所示。通過對表2、表3 進行深入分析后發(fā)現(xiàn),與傳統(tǒng)檢索模型相比,通過利用新建檢索模型來進行檢索,能夠獲取效果更好的平均權重、召回率、準確率。究其原因,即:第一,與檢索角度有關系,通過利用新建模型進行檢索時,需要先對全部檢索詞進行語義化處理,對所有數(shù)字圖書館信息的有關索引進行計算;第二,與查詢SaaS領域有關系,能夠獲取較高準確率的抽取檢索結果[10]。

表2 傳統(tǒng)檢索模型的檢測結果Tab.2 Detection results of traditional retrieval models

表3 新建模型的檢測結果Tab.3 Test results of the newly created model

5 結語

綜上所述,為有效解決傳統(tǒng)數(shù)字圖書館信息檢索模型中存在的問題,本文設計了一種新的模型,即基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型。在數(shù)字圖書館信息檢索模型中,通過運用大數(shù)據(jù)分析技術,能夠構建共享平臺,與傳統(tǒng)檢索模型相比,大數(shù)據(jù)分析技術具有非常多的使用價值與使用功能,能夠實現(xiàn)智能信息檢索與個性化推薦。本文對基于大數(shù)據(jù)分析技術的數(shù)字圖書館信息檢索模型設計進行了詳細分析與闡述,希望能夠對相關工作人員起到一定的借鑒作用[11]。