本文已被 Tai Dinh 撤稿

[2026 年 3 月 22 日提交 (v1)，最后修订于 2026 年 7 月 28 日（当前版本，v2）]

无 PDF 可供下载，点击查看其他格式

摘要：本文旨在解决从半结构化可扩展标记语言（XML）文档中提升信息检索效果的挑战。传统的信息检索系统（IRS）往往忽略用户的个性化需求，针对相同查询返回完全一致的结果，而未考虑用户在知识、偏好和目标方面的差异。我们将外部语义资源（即领域本体和用户画像）整合到检索过程中。文档、查询和用户画像均表示为带权概念向量。本体采用概念加权机制，强调高度特异性的概念，因为层次结构中的较低层节点能提供更精确、有针对性的信息。相关性评估采用语义相似度度量，这些度量能捕捉超越关键词匹配的概念关系，从而实现用户画像、查询与文档之间的个性化、细粒度匹配。实验结果表明，将本体与用户画像相结合可提升检索效果，相比基于关键词的方法实现更高的查准率和查全率。总体而言，所提出的框架增强了 XML 搜索结果的相关性和适应性，支持更加以用户为中心的检索。

提交历史

来自: Tai Dinh [查看邮箱]
[v1] 2026 年 3 月 22 日 09:29:43 UTC (5,848 KB)
[v2] 2026 年 7 月 28 日 18:57:06 UTC (1 KB) (已撤稿)