基于前向?qū)ο騻鞑ド窠?jīng)網(wǎng)絡(luò)的信息檢索技術(shù)研究

余素雅

（空軍航空儀器設(shè)備計(jì)量總站 北京 100070）

信息檢索（Information Retrieval）廣義的定義是指信息按一定的方式組織起來，并根據(jù)信息用戶的需要找出有關(guān)的信息的過程和技術(shù)。 狹義的信息檢索就是信息檢索過程的后半部分，即從信息集合中找出所需要的信息的過程，即信息查尋（Information Search或Information Seek）。信息檢索是獲取知識(shí)的捷徑，是科學(xué)研究的向?qū)В墙K身教育的基礎(chǔ)。信息檢索的全過程包含兩個(gè)方面，一是信息標(biāo)引和存儲(chǔ)過程，二是信息的需求分析和檢索過程。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)是通過直觀性思維方式模擬人的思維，是一種非線性動(dòng)力學(xué)系統(tǒng)，將分布式存儲(chǔ)的信息綜合起來，在忽然間產(chǎn)生想法或解決問題的辦法。這種思維方式的根本之點(diǎn)在于信息是通過神經(jīng)元上的興奮模式分布儲(chǔ)在網(wǎng)絡(luò)上，并且通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程完成信息處理。將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于信息檢索技術(shù)中，可以建立一種更高效的信息檢索模式。

1 信息檢索技術(shù)概述

1.1 信息檢索的基本概念

1.1.1 檢索的意義

信息具有共享性，信息資源共享 （Information Resource Sharing）是當(dāng)今社會(huì)的一個(gè)熱點(diǎn)問題。為了分享人類共同的知識(shí)財(cái)富、研究成果，人們必須通過一種科學(xué)的方法從取之不盡的信息源中去識(shí)別和獲取所需要的那部分信息，即檢索（Searching）。信息的檢索、利用和創(chuàng)造是一個(gè)循環(huán)和增值的過程，通過工具（數(shù)據(jù)庫）檢索獲得信息，經(jīng)過處理篩選出需要的部分，在利用信息的過程中又創(chuàng)出新的信息，這些信息經(jīng)過核準(zhǔn)后又被標(biāo)引、組織進(jìn)檢索工具（數(shù)據(jù)庫），再提供人們使用，信息在這個(gè)循環(huán)的處理過程中不斷得到擴(kuò)充。

1.1.2 信息檢索的基本原理

信息檢索的基本原理是指用戶信息需求與文獻(xiàn)信息集合的比較和選擇，是兩者匹配（Match）的過程，它既是用戶的信息需求，也是組織有序的文獻(xiàn)信息集合。信息檢索從用戶特定的信息需求出發(fā)，對特定的信息集合采用一定的方法、技術(shù)手段，根據(jù)一定的線索與規(guī)則從中尋找出相關(guān)的信息。信息檢索原理如圖1所示。

圖1 信息檢索原理Fig.1 Principle of information retrieval

1.1.3 信息檢索的對象

1）文獻(xiàn)檢索（Document Retrieval）：以文獻(xiàn)（包括題錄、文摘和全文）為檢索對象的檢索，分為全文檢索和書目檢索。

2）數(shù)據(jù)檢索（Data Retrieval）：以數(shù)值或數(shù)據(jù)（包括數(shù)據(jù)、圖表、公式等）為對象的檢索。

3）事實(shí)檢索 （Fact Retrieval）：以某一客觀事實(shí)為檢索對象，查找某一事物發(fā)生的時(shí)間、地點(diǎn)及過程的檢索。

1.2 信息檢索方式

信息檢索從技術(shù)上分為手工檢索 （Manual Retrieval）（手檢）和計(jì)算機(jī)檢索（Computer-based Retrieval）（機(jī)檢）兩大類。

1.2.1 手工檢索

手工檢索使用的多為印刷型或書本型檢索（Paper-based Retrieval）工具，早期有檢索卡片，現(xiàn)在使用最多的是檢索刊，它定期地將最新收集到的信息、文獻(xiàn)加以匯總、組織和報(bào)道。手工檢索的技術(shù)要求不高，以人的勞動(dòng)為本，由人來翻閱、比較、選擇、完成匹配。手工檢索工具能提供的檢索點(diǎn)十分有限，檢索結(jié)果往往不盡人意。

1.2.2 計(jì)算機(jī)檢索

計(jì)算機(jī)檢索是通過數(shù)據(jù)庫系統(tǒng)實(shí)現(xiàn)的，其檢索系統(tǒng)包括計(jì)算機(jī)主機(jī)設(shè)備、外部存貯器、輸入輸出設(shè)備、終端設(shè)備、通信設(shè)備等硬件設(shè)施，還需要控制、提供檢索的軟件系統(tǒng)，包括通信軟件、操作系統(tǒng)、應(yīng)用程序等，以實(shí)現(xiàn)對數(shù)據(jù)庫的信息存取。計(jì)算機(jī)檢索過程是在人與機(jī)器的合作、協(xié)同下完成的，它們經(jīng)常用實(shí)時(shí)（Real Time）、交互（Interactive）的方式從計(jì)算機(jī)存貯的大量數(shù)據(jù)中自動(dòng)分揀出用戶所需要的信息。計(jì)算、比較、選擇的匹配任務(wù)由機(jī)器執(zhí)行，而人則是整個(gè)檢索方案的設(shè)計(jì)者和操縱者。計(jì)算機(jī)檢索的性能明顯優(yōu)于手工檢索，主要表現(xiàn)在檢索的信息量大、數(shù)據(jù)更新快、檢索功能強(qiáng)、檢索結(jié)果輸出的多樣性等方面。

1.3 信息檢索的4個(gè)要素

1.3.1 信息意識(shí)

信息意識(shí)是信息檢索的前提，它是指人們利用信息系統(tǒng)獲取所需信息的內(nèi)在動(dòng)因，具體表現(xiàn)為對信息的敏感性、選擇能力和消化吸收能力。信息意識(shí)含有信息認(rèn)知、信息情感和信息行為傾向這3個(gè)層面。

1.3.2 信息源

信息源，及信息的來源，它是信息檢索的基礎(chǔ)，其構(gòu)成按文獻(xiàn)載體可分為印刷型、縮微型、機(jī)讀型、聲像型，按文獻(xiàn)內(nèi)容和加工程度可分為一次信息、二次信息、三次信息，按出版形式可分為圖書、報(bào)刊、研究報(bào)告、會(huì)議信息、專利信 息、統(tǒng)計(jì)數(shù)據(jù)、政府出版物、檔案、學(xué)位論文、標(biāo)準(zhǔn)信息。

1.3.3 信息獲取能力

信息獲取能力是信息檢索的核心，它用來了解各種信息來源、掌握檢索語言、熟練使用檢索工具、以及對檢索效果進(jìn)行判斷和評價(jià)。判斷檢索效果的兩個(gè)指標(biāo)，即查全率=被檢出相關(guān)信息量/相關(guān)信息總量（%）、查準(zhǔn)率=被檢出相關(guān)信息量/被檢出信息總量（%）。

1.3.4 信息利用

信息利用是信息檢索的關(guān)鍵，社會(huì)進(jìn)步的過程是一個(gè)知識(shí)不斷的“生產(chǎn)-流通-再生產(chǎn)”的過程。為了全面、有效地利用現(xiàn)有知識(shí)和信息，在學(xué)習(xí)、科學(xué)研究和生活過程中，信息檢索的時(shí)間比例逐漸增高。獲取學(xué)術(shù)信息的最終目的是通過對所得信息的整理、分析、歸納和總結(jié)，根據(jù)自己學(xué)習(xí)、研究過程中的思考和思路，將各種信息進(jìn)行重組，創(chuàng)造出新的知識(shí)和信息，從而達(dá)到信息激活和增值的目的。

1.4 常用信息檢索技術(shù)

1.4.1 布爾邏輯檢索

利用布爾邏輯算符進(jìn)行檢索詞或代碼的邏輯組配，是現(xiàn)代信息檢索系統(tǒng)中最常用的一種技術(shù)。常用的布爾邏輯算符有 3 種，邏輯或“OR”、邏輯與“AND”、邏輯非“NOT”。

1.4.2 截詞檢索

截詞檢索是計(jì)算機(jī)檢索系統(tǒng)中應(yīng)用非常普遍的一種技術(shù)。由于西文的構(gòu)詞特性，在檢索中經(jīng)常會(huì)遇到名詞的單復(fù)數(shù)形式不一致；同一個(gè)意思的詞，英美拼法不一致；詞干加上不同性質(zhì)的前綴和后綴就可以派生出許多意義相近的詞等等。這是就要用到截詞檢索。

1.4.3 位置檢索

位置檢索也叫全文檢索、鄰近檢索。所謂全文檢索，就是利用記錄中的自然語言進(jìn)行檢索，詞與詞之間的邏輯關(guān)系用位置算符組配，對檢索詞之間的相對位置進(jìn)行限制。這是一種可以不依賴主題詞表而直接使用自由詞進(jìn)行檢索的技術(shù)方法。

1.4.4 字段限定檢索

字段限定檢索是指限定檢索詞在數(shù)據(jù)庫記錄中的一個(gè)或幾個(gè)字段范圍內(nèi)查找的一種檢索方法。在檢索系統(tǒng)中，數(shù)據(jù)庫設(shè)置的可供檢索的字段通常有兩種：表達(dá)文獻(xiàn)主題內(nèi)容特征的基本字段和表達(dá)文獻(xiàn)外部特征的輔助字段。

1.4.5 加權(quán)檢索

加權(quán)檢索是某些檢索系統(tǒng)中提供的一種定量檢索技術(shù)。加權(quán)檢索同布爾檢索、截詞檢索等一樣，也是文獻(xiàn)檢索的一個(gè)基本檢索手段，但與它們不同的是，加權(quán)檢索的側(cè)重點(diǎn)不在于判定檢索詞或字符串是不是在數(shù)據(jù)庫中存在、與別的檢索詞或字符串是什么關(guān)系，而是在于判定檢索詞或字符串在滿足檢索邏輯后對文獻(xiàn)命中與否的影響程度。

1.4.6 聚類檢索

聚類是把沒有分類的事物，在不知道應(yīng)分幾類的情況下，根據(jù)事物彼此不同的內(nèi)在屬性，將屬性相似的信息劃分到同一類下面。

1.5 科技信息檢索的基本流程

科技信息檢索的流程如圖2所示。

圖2 科技信息檢索流程Fig.2 Sicence and technology information retrieval process

2 前向?qū)ο騻鞑ド窠?jīng)網(wǎng)絡(luò)

1987年美國計(jì)算機(jī)專家Robert Hecht-Nielsen將Kohonen特征映射網(wǎng)絡(luò)與Grossberg（格勞斯貝格）基本競爭網(wǎng)絡(luò)相結(jié)合提出了對向傳播神經(jīng)網(wǎng)絡(luò) （Counter Propagation Network，CPN），也稱作對傳網(wǎng)，它是一種新型特征映射網(wǎng)絡(luò)，提供了一個(gè)輸入模式和輸出模式之間的雙向映射，并被廣泛地應(yīng)用于模式分類、函數(shù)逼近、統(tǒng)計(jì)分析和數(shù)據(jù)壓縮等領(lǐng)域。CPN讓網(wǎng)絡(luò)的隱藏層執(zhí)行無監(jiān)督學(xué)習(xí)，它是解決多級網(wǎng)絡(luò)訓(xùn)練的另一個(gè)思路。CPN是將Kohonen特征映射網(wǎng)絡(luò)與Grossberg基本競爭型網(wǎng)絡(luò)相結(jié)合的一種新型特征映射網(wǎng)絡(luò)[4-7]，它是監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)相結(jié)合的神經(jīng)網(wǎng)絡(luò)，既具有監(jiān)督網(wǎng)絡(luò)分類準(zhǔn)確精細(xì)的優(yōu)點(diǎn)，也具有無監(jiān)督網(wǎng)絡(luò)分類靈活、算法簡練的特點(diǎn)，將二者有機(jī)的結(jié)合起來。CPN一般分為前向?qū)骶W(wǎng)（Forward Counter Propagation Network，F(xiàn)orward-CPN）和全向?qū)骶W(wǎng)（Full Counter Propagation Network，F(xiàn)ull-CPN）兩種。

Forward-CPN的結(jié)構(gòu)由輸入層、競爭層、輸出層3部分組成，如圖3所示，輸入層和競爭層構(gòu)成自組織特征映射（Selforganizing Feature Map，SOM）網(wǎng)絡(luò)，競爭層與輸出層構(gòu)成基本競爭網(wǎng)絡(luò)。Forward-CPN屬于監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)相結(jié)合的網(wǎng)絡(luò)，它從整體上分析屬于監(jiān)督型網(wǎng)絡(luò)，從輸入層和競爭層構(gòu)成的SOM網(wǎng)絡(luò)上分析屬于無監(jiān)督型網(wǎng)絡(luò)。

Forward-CPN的隱層為競爭層，競爭層獲勝神經(jīng)元調(diào)整其內(nèi)星和外星權(quán)值向量。內(nèi)星權(quán)值向量采用無監(jiān)督學(xué)習(xí)算法，權(quán)值調(diào)整的目的是使得權(quán)值向量不斷靠近當(dāng)前的輸入模式類，從而將該模式類的典型向量編碼到獲勝神經(jīng)元的內(nèi)星權(quán)值向量中；外星權(quán)值向量采用監(jiān)督學(xué)習(xí)算法，權(quán)值調(diào)整的目的是使得外星權(quán)值向量不斷靠近并等于期望輸出，從而將該輸出編碼到外星權(quán)值向量中。

圖3 Forward-CPN模型Fig.3 Model of forward-CPN

Forward-CPN從輸入層到競爭層，網(wǎng)絡(luò)按照SOM學(xué)習(xí)規(guī)則產(chǎn)生競爭層獲勝神經(jīng)元，并按照這一規(guī)則調(diào)整相應(yīng)的輸入層到競爭層之間的連接權(quán)值。從競爭層到輸出層，網(wǎng)絡(luò)按照基本競爭網(wǎng)絡(luò)學(xué)習(xí)規(guī)則得到輸出層各神經(jīng)元的實(shí)際輸出值，并按照有監(jiān)督學(xué)習(xí)規(guī)則的誤差校正方法調(diào)整相應(yīng)的競爭層到輸出層之間的連接權(quán)值。經(jīng)過上述反復(fù)學(xué)習(xí)，將任意的輸入模式映射為輸出模式。

Forward-CPN算法可以分為兩個(gè)階段，第一階段對輸入層-競爭層的權(quán)值矩陣進(jìn)行訓(xùn)練，使權(quán)值向量不斷靠近當(dāng)前的輸入模式類；第二階段對競爭層-輸出層的權(quán)值矩陣進(jìn)行訓(xùn)練，使權(quán)值向量不斷靠近并等于目標(biāo)輸出。

3 基于前向?qū)ο騻鞑ド窠?jīng)網(wǎng)絡(luò)的信息檢索

3.1 基于Forward-CPN的信息檢索原理

1）將服務(wù)器系統(tǒng)中的每個(gè)分類主題詞分配給Forward-CPN輸入層的每個(gè)神經(jīng)元，建立“輸入層-競爭層”權(quán)值矩陣。

2）將用戶的初始檢索提問詞集和作為神經(jīng)網(wǎng)絡(luò)的輸入模式集合提供給網(wǎng)絡(luò)，通過提問詞集和的輸入模式通過網(wǎng)絡(luò)的競爭層，到達(dá)輸出層。

3）不斷地將輸入模式集合中的輸入模式反復(fù)提供給網(wǎng)絡(luò)，讓網(wǎng)絡(luò)完成學(xué)習(xí)，直到某一時(shí)刻，網(wǎng)絡(luò)的輸出神經(jīng)元能夠滿足用戶期望輸出的結(jié)果，網(wǎng)絡(luò)達(dá)到穩(wěn)定。

4）對網(wǎng)絡(luò)輸出端檢索出的信息進(jìn)行智能分類，使用戶獲得更多的想得到的結(jié)果。

3.2 基于Forward-CPN的信息檢索算法設(shè)計(jì)

步驟1：輸入模式預(yù)處理

將每個(gè)輸入模式進(jìn)行歸一化處理，將二進(jìn)制離散數(shù)據(jù){a1，a2，…an}轉(zhuǎn)換為雙極式數(shù)據(jù){x1，x2，…xn}，即

步驟2：初始化權(quán)值矩陣 w1和w2。

步驟3：將利用檢索提問詞建立的輸入模式集合提交給網(wǎng)絡(luò)。

步驟4：通過網(wǎng)絡(luò)的權(quán)值矩陣w1和w2，對輸入模式進(jìn)行學(xué)習(xí)。

步驟5：當(dāng)網(wǎng)絡(luò)檢索到所有信息時(shí)，網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)，停止運(yùn)行，同時(shí)輸出檢索結(jié)果。

3.3 仿真實(shí)驗(yàn)

假設(shè)現(xiàn)有 6 篇文獻(xiàn)分別為 D1、D2、D3、D4、D5、D6，將其存儲(chǔ)于服務(wù)器進(jìn)行檢索。Forward-CPN輸入層神經(jīng)元為3個(gè)，隱層神經(jīng)元為7個(gè)，輸出層神經(jīng)元為6個(gè)。利用6篇文獻(xiàn)建立輸入模式，即

將其轉(zhuǎn)換為雙極數(shù)據(jù)模式，即

然后，利用Forward-CPN進(jìn)行仿真，與傳統(tǒng)方法比較，前者具有更好的效果，如表1所示。

表1 Forward-CPN方法與傳統(tǒng)方法比較Tab.1 Compare between Forward-CPN and traditional method

4 結(jié)束語

通過對信息檢索技術(shù)的基本概念、原理、檢索方式、以及科技信息檢索流程的分析，在對前向?qū)ο騻鞑ド窠?jīng)網(wǎng)絡(luò)的基本模型和算法的研究的基礎(chǔ)上，提出了基于前向?qū)ο騻鞑ド窠?jīng)網(wǎng)絡(luò)的信息檢索的原理和算法，并將這種算法與傳統(tǒng)方法通過仿真實(shí)驗(yàn)進(jìn)行對比，在保持100%的查準(zhǔn)率的情況下，將查全率由79.63%提高至85.59%，獲得了較好的效果。

[1]周瑛.神經(jīng)網(wǎng)絡(luò)作為分類器的算法研究及其在信息檢索中的應(yīng)用[D].合肥：安徽大學(xué)，2006.

[2]劉斌，黃鐵軍，程軍，等.一種新的基于統(tǒng)計(jì)的自動(dòng)文本分類方法[J].中文信息學(xué)報(bào)，2002，16（6）:18-24.LIU Bing， HUANG Tie-jun，CHENG Jun， et al.A new statistical-based method in automatic text classification[J].Journal of Chinese Information Processing，2002，16（6）:18-24.

[3]Salton G，McGill M J.Introduction to modem information retrieval[C]//New York:McGraw Hill，1983.

[4]Hecht Nielsen R.Counter propagation network[C]//Proc.of IEEE First Int’l Conference on Neural Networks，1987（2）:19-32

[5]Kuzmanovski I，Novic M.Counter-Propagation neural networks in matlab[J].Chemometrics and Intelligent Laboratory System，2008（90）:84-91.

[6]金明曦，武妍.基于對向傳播神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法[J].電子科技大學(xué)學(xué)報(bào)，2004，33（5）:573-576.JIN Ming-xi，WU Yan.Face recognition based on counter propagation network[J].Journal of University of Electronic Science and Technology of China，2004，33（5）:573-576.

[7]葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2007.

[8]Hagan M T，Demuth H B，beale M H，著.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M].戴葵，等譯.北京：機(jī)械工業(yè)出版社，2006.

[9]Fredric M.Ham，Ivica Kostanic，著.神經(jīng)計(jì)算原理[M].葉世偉，王海娟，譯.北京：機(jī)械工業(yè)出版社，2007.