贝叶斯网络模型检索技术在图书馆信息服务中的应用分析

2017-12-01黄海云程建华

长江丛刊 2017年24期

关键词：贝叶斯术语检索

黄海云程建华

黄海云程建华

数字化技术广泛应用于高校图书馆，提高了图书检索的效率。本文主要是对现代图书观众使用的贝叶斯网络模型做出了分析，包括它的发展历史、工作原理、计算方法以及在图书馆信息服务中的具体应用。对图书馆的信息检索以及促进该技术的推广具有参考意义。

贝叶斯网络模型检索技术图书馆信息服务

伴随着科学技术的不断发展以及数字化技术的不断进步，使分散的科技不断运用到图书的检索中去，而且还大量采用了数字化技术、储存和压缩技术把图书科学合理地转化为数字信息，这样方便了人机交流以及信息访问，提高了为师生服务的水平以及服务质量，更加方便快捷。其中50年代形成的贝叶斯科技的运用就是促进图书馆技术不断更新的一大动力。

一、贝叶斯网络模型检索技术简介

关于贝叶斯网络技术，很多其他领域的人士并不是很熟悉，这种技术有被广泛地称为信度网络。它是一种基于概率推理的数学模型，因其带有概率注释的有形无环图，因此它又被称之为图形化网络。它的工作原理主要是利用贝叶斯公式或者定理来对变量之间的相互分布以及和概率关系进行不确定性变量的推理，这种推理可以完成语义概念的查询，对于解决设备的不确定性和关联性引起的故障具有显著的作用，因此在图书馆中被广泛利用。

二、贝叶斯网络模型检索技术形成的历史背景

计算机技术的不断进步使我国在数据处理以及互联网等方面取得了极大的进步，可以实现信息的广泛传播、缩短传播所需要的时间。但是在具体的应用中仍然需要一种先进的技术出现来弥补重复信息或者查询词不准确导致的查询信息不精确的现状。在后来的不断探索中人们开始向概率模型的信息检索中不断拓展，贝叶斯网络模型信息技术探索就是概率模型信息检索的一个较好的技术，它有效解决了检索中的不确定性，保障了信息的准确性[1]。并且近年来人们对贝叶斯技术不断拓展，探索一种从数据中学习并生成贝叶斯网络的方法，这种方法可以建立科学的模型，对复杂的信息进行准确的归类，为检索速度的提高提供了技术保障。

三、贝叶斯网络模型信息检索技术的计算

（一）术语间的条件概率

运用关联的方法来对属于之间的语义进行概念语义的挖掘，形成联合条件概率，一般上下文中存在上下位关系的术语就被称之为相关术语。在具体的计算过程中要根据第一层节点的数目，建立第一层节点与第二层节点之间的联合条件概率。之后在利用属于之间的关联规则方法来计算联合条件概率，根据用户的需求进行查询，得到术语的侧重点。其次也可以利用术语的权重计算出最大值。还可以利用术语的权重项计算出平均值，如果计算所得到的存储量过大，就可以利用约束项目的方法来减少存储量，这样不仅有利于减少不相关内容，而且也是提高检索效率和精确度的一个有效方法。

（二）通过同义词典计算术语权重

利用同义词典对术语之间的相互关系进行挖掘，可以对用户的查询用途很好的把握，计算过术语之间的条件概率之后，通过同义词典的方法对术语权重合理更新，反复计算，当所有的术语权重都通过同义词典就可以暂停计算，这是一种有效地术语计算方法。

（三）用户查询与文档间相似度计算

术语间的条件概率计算和贝叶斯网络模型的结合，能求出所有术语的权重这样可以在用户查询之后，把用户查询用扩展后的术语特征向量来进行表示，就是说把特征向量值作为术语在文档中的权重，这样用户查询的要求会与文档更加接近，符合需要。

四、贝叶斯网络模型检索技术在数字图书馆信息服务中的应用

图书馆作为学校里面重要的资源获取地，其中包含众多的基础信息资源，对高校图书馆进行建设是为了充分利用资源，实现资源的最大开发和利用，实现学生和教师的信息快速获取与检索服务，还可以根据实际情况提供个性化服务。其中在贝叶斯网络模型的利用基础之上，研究出了用户兴趣联合推送的服务，这项服务的推出是高校图书馆网站个性化信息服务的重要组成部分，它的实现需要建立用户联合推送系统来实现。采用多个特征向量来建立用户兴趣模型，对用户的不同兴趣科学合理的分类，在建立模型之后根据用户之间的兴趣度，这种对模型的有效利用是保障用户信息高质量的体现。这样就可以向用户展示自身的兴趣度，智能化的适应不同用户的兴趣变化，适应用户的兴趣变化。贝叶斯的网络模型的兴趣建立，对不同用户之间的兴趣进行了分类，根据用户的兴趣爱好进行智能化地推送，这样就可以为用户提供更加智能化的信息，这样对于高校数字图书馆的建设具有良好的推动作用。