39、本体驱动索引在个性化信息检索中的应用

本体驱动索引在个性化信息检索中的应用

1. 背景与动机

信息检索（IR）是一个广泛的领域，有众多不同的应用，面向知识和专业水平各异的用户。当前的IR研究涵盖了多种理论（如布尔理论、概率理论等）和多个领域（如知识管理、自然语言处理等），旨在为用户的特定需求（通常以关键词查询的形式呈现）找到最佳答案。

现代IR的研究可分为两类：一类是隐式考虑上下文（如使用潜在语义分析/索引），另一类是使用显式知识来捕捉上下文（如使用领域本体对数据进行上下文处理的模型）。我们的工作聚焦于后者。

我们认为，如果IR系统能为每个用户进行个性化定制，其效率会更高。个性化旨在根据用户的兴趣改进检索过程，理想情况下，所有可用信息（包括用户的专业知识）都应参与结果的构建。然而，在许多方法中，个性化仅体现在查询环节，整个上下文通常未被明确定义。

此外，用户的实际需求与他们表达需求的方式之间存在差距。一方面，精确而详尽地解释信息需求并为每个需求重复此过程非常困难；另一方面，将信息需求转换为特定的搜索结构（如搜索表单、通配符等）并非易事。在企业或科学数据管理环境中，用户对自己的需求有明确的认识，但不足以进行精确查询。如果能将这些知识形式化并合理地集成到IR系统中，查询结果将更具相关性。

我们的目标有两个：一是定义一个统一表示数据和上下文的模型；二是提出一个全局架构，以自动利用底层模型。在我们的工作中，上下文代表了关于信息系统及其组件、领域数据以及用户需求（即感兴趣的数据子集、资源偏好和资源交互）的知识。

2. 相关工作

IR模型主要有三种范式：
|范式|描述|
| ---- | ---- |
|布尔模型|一