一种基于语义相似度和多属性决策方法的商品信息智能检索模型*

doi:10.11925/infotech.1003-3513.2010.01.05

现代图书情报技术

2010, Vol. 26

Issue (1): 22-27 https://doi.org/10.11925/infotech.1003-3513.2010.01.05

专题

本期目录 | 过刊浏览 | 高级检索

一种基于语义相似度和多属性决策方法的商品信息智能检索模型*

曾子明张李义

（武汉大学信息资源研究中心武汉 430072）

An Intelligent Commodity Information Retrieval Based on Semantic Similarity and Multi-attribute Decision Method

Zeng Ziming Zhang Liyi

(Center for Studies of Information Resources, Wuhan University, Wuhan 430072, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (655 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

提出一种结合语义检索和多属性决策方法的商品信息检索模型。通过构建语义向量空间进行语义相似度计算，以实现检索结果与顾客查询关键词的语义匹配；同时该模型也采用TOPSIS多属性决策方法对检索到的商品进行效用值计算，从而建立商品内容的比较机制。最后，从准确率、顾客接受度等指标通过实验证实该模型的有效性，能够提高商品信息检索的精准度。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	曾子明
	张李义

关键词 ：语义向量, 多属性决策, 商品信息检索

Abstract：

In this paper，a commodity information retrieval model is presented, which integrates semantic retrieval and multi-attribute decision method. Firstly, semantic similarity is computed by constructing semantic vector-space in order to realize the semantic consistency between retrieved result and customer’s query. Besides, TOPSIS method is also utilized to construct the comparison mechanism of commodity by calculating the utility value of each retrieved commodity. Finally, the experiment is conducted in terms of accuracy and customer acceptance rate, and the results verify the effectiveness of the model，which can improve the precision of the commodity information retrieval.

Key words： Semantic vector Multi-attribute decision Commodity information retrieval

收稿日期: 2009-12-21 出版日期: 2001-01-25

G354

基金资助:

*本文系教育部人文社会科学重点研究基地重大项目“电子商务中的商务信息跨平台检索与重组研究”(项目编号：07JJD870220)和教育部人文社会科学青年项目“新一代电子商务搜索引擎的信息聚合和可视化建模研究”（项目编号：08JC870011）的研究成果之一。

通讯作者: 曾子明 E-mail: zmzeng1977@yahoo.com.cn

作者简介: 曾子明,张李义

引用本文:

曾子明,张李义. 一种基于语义相似度和多属性决策方法的商品信息智能检索模型*[J]. 现代图书情报技术, 2010, 26(1): 22-27.
Zeng Ziming,Zhang Liyi. An Intelligent Commodity Information Retrieval Based on Semantic Similarity and Multi-attribute Decision Method. New Technology of Library and Information Service, 2010, 26(1): 22-27.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.01.05 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I1/22

［1］ Popov B,Kiryakov A, Ognyanoff D,et al. KIM –A Semantic Platform for Information Extraction and Retrieval［J］. Natural Language Engineering, 2004, 10(3-4): 375-392.
［2］ Castells P, Fernandez M, Vallet D. An Adaptation of the Vector-Space Model for Ontology-based Information Retrieval［J］. IEEE Transaction on Knowledge and Data Engineering, 2007, 19(2): 261-272.
［3］ Guha R V, McCool R, Miller E. Semantic Search［C］.In：Proceedings of the 12th International Conference on World Wide Web, Budapest, Hungary. New York, USA：ACM，2003: 700-709.
［4］王进, 陈恩红, 施德明. 一种基于语义相似度的信息检索方法［J］.模式识别与人工智能, 2006, 19(6):696-701.
［5］张功杰,黄穗. 基于本体的语义标引研究与实现［J］.计算机工程与设计, 2008, 29(8): 2078-2080.
［6］闵君,邓晓.智能导购Agent系统的研究［J］.控制与决策, 2003,18(4):497-499.
［7］ Gruber T R. A Translation Approach to Portable Ontology Specifications［J］. Knowledge Acquisition, 1993, 5(2): 199-220.
［8］李曼,王大治,杜小勇,等.基于领域本体的Web服务动态组合［J］.计算机学报, 2005,28(4):644-650.
［9］陈祖琴,葛继科,郑宏.基于本体构建的协同推荐研究［J］. 现代图书情报技术, 2008(9): 53-57.
［10］杜金洋,易禾. 基于关键词语义扩展的检索策略［J］.计算机应用, 2009，29(6): 1575-1577.
［11］ Salton G， McGill M. Introduction to Modern Information Retrieval［M］. New York, USA: McGraw-Hill,1983.
［12］ Dumais S. Improving the Retrieval of Information from External Sources［J］. Behavior Research Methods, Instruments, and Computers, 1991, 23(2): 229-236.
［13］刘挺.信息检索系统导论［M］.北京：机械工业出版社,2008.
［14］ Balabonovic M, Shoham Y. Fabl: Content-based Collaborative Recommendation［J］. Communications of the ACM, 1997, 40(3)：66-72.
［15］曾子明，张李义. 基于多属性决策和协同过滤的智能导购系统［J］. 武汉大学学报:工学版, 2008, 41(2): 136-139.

[1]	张金柱, 于文倩. 基于短语表示学习的主题识别及其表征词抽取方法研究[J]. 数据分析与知识发现, 2021, 5(2): 50-60.
[2]	胡吉明, 肖璐. 向量空间模型文本建模的语义增量化改进研究[J]. 现代图书情报技术, 2014, 30(10): 49-55.

Viewed

Full text

Abstract

Cited

Shared

Discussed