This paper has been withdrawn by Tai Dinh

[Submitted on 22 Mar 2026 (v1), last revised 28 Jul 2026 (this version, v2)]

No PDF available, click to view other formats

Abstract:本文探討提升半結構化可延伸標記語言（XML）文件資訊檢索的挑戰。傳統資訊檢索系統（IRS）經常忽略使用者特定需求，儘管使用者在知識、偏好和目標上有所不同，卻對相同查詢回傳相同的結果。我們將外部語義資源（即領域本體論與使用者輪廓）整合至檢索流程中。文件、查詢與使用者輪廓皆以加權概念向量表示。本體論採用概念加權機制，強調高度特定的概念，因為階層中較低層級的節點能提供更精確且針對性的資訊。相關性評估採用語義相似度量測，捕捉超越關鍵字匹配的概念關係，實現使用者輪廓、查詢與文件之間的個人化與細粒度匹配。實驗結果顯示，結合本體論與使用者輪廓能提升檢索效能，達到比基於關鍵字方法更高的精確率與召回率。總體而言，所提出的框架增強了 XML 搜尋結果的相關性與適應性，支持更以使用者為中心的檢索。

Submission history

From: Tai Dinh [view email]
[v1] Sun, 22 Mar 2026 09:29:43 UTC (5,848 KB)
[v2] Tue, 28 Jul 2026 18:57:06 UTC (1 KB) (withdrawn)