所属领域

集成电路与ICT

技术成熟度

产业化

应用行业

合作方式

技术开发

成果概况

集合选择是分布式信息检索系统中的重要环节，可有效减少网络带宽消耗，减少检索时的计算开销，提高分布式信息检索系统的效率。本文提出基于LDA主题模型的集合选择方法LBCS，引入LDA 方法对样本集建立主题模型。实验结果表明，LDA主题模型能有效挖掘查询与集合潜在的语义关系，从而选择到与查询更相关的集合，有效提高了最终检索结果的准确率及召回率。本集合选择方法主要以提高检索准确率与召回率为目标设计的，然而在实际应用中，可能需要考虑更加复杂的因素，如检索服务器的吞吐率、负载、响应时间、各检索服务器的检索策略等。若能充分考虑DIR系统的性能及检索的准确度与召回率，建立统一的集合选择模型将是一个很好的研究方向。

关键技术

LBCS集合选择方法：LBCS方法分为在线和离线两部分，离线部分包括：（1）检索代理服务器使用基于查询的采样方法。对各集合采样，对于每个查询，各个集合返回前三个检索结果，在检索代理服务器上构建样本集；（2）检索代理服务器对样本集预处理，构建倒排索引，同时对样本集建立ＬＤＡ主题模型，推导出主题—词分布φ，以及文档—主题分布θ。在线部分包括：（1）查询检索倒排索 引，计算查询与各文档关键词相关度；（2）通过历史查询得到新查询的扩展查询，同时利用扩展查询和 LDA主题模型推断出的分布计算查询与各文档主题相关度；（3）得到查询与样本集中各文档的综合相关度，并按相关度高低对各文档排序，然后以此计算查询与各集合的相关度，并按相关度高低对各集合排序；（4）选择排序结果最靠前的M个集合，将检索请求发送到这些集合。

应用领域和市场前景

可以把基于LDA主题模型的分布式信息检索集合选择方法应用于智能快递柜中，在物件或者客户信息庞大的基础下，能够快速检索到物件或对应客户的信息，在国内庞大的市场需求下，应用市场前景广阔。