基于自然語言處理的空間信息檢索優(yōu)化應用研究

文｜黃以寶

空間信息技術已經(jīng)成為眾多行業(yè)發(fā)展重要組成部分，這使得空間信息數(shù)據(jù)數(shù)量、質量日益上升，對數(shù)據(jù)存儲、數(shù)據(jù)檢索等工作增加了難度，尤其是多樣化、復雜化空間信息元數(shù)據(jù)，給搜索領域帶來諸多挑戰(zhàn)。本文主要分析自然語言發(fā)展現(xiàn)狀，明確自然語言處理空間信息檢索的優(yōu)勢，而后剖析現(xiàn)階段自然語言檢索存在的不足，并提出了具體優(yōu)化應用對策，旨在運用自然語言處理工具，優(yōu)化空間信息檢索效果。

一、引言

自然語言處理本質上就是建立在統(tǒng)計學基礎上的機器學習方法，可以處理、理解自然語言。將自然語言應用到信息搜索引擎中，能夠更好理解用戶搜索行為，提升空間信息檢索準確性，為用戶帶來良好使用體驗。不少學者一直在探索嘗試在空間信息檢索中應用自然語言處理技術，目的在于使系統(tǒng)更好理解人類自然語言，發(fā)揮這一處理工具作用，提高檢索效果。

二、自然語言技術應用發(fā)展概況

國外相關領域研究者要早于國內(nèi)學者發(fā)現(xiàn)自然語言工具性，并嘗試將其應用到計算機編程語言中，以此提高用戶操作便利性，進一步提高網(wǎng)絡檢索質量，為用戶帶來良好的使用體驗。由于國外研究技術受到較大局限，導致研究范圍非常有限，只能利用自然語言檢索簡單內(nèi)容，通過自然語言處理一些單一的文檔、斷句，或者分析簡單句子。在此后發(fā)展過程中，國外才有學者提出將自然語言應用到空間信息檢索領域中，并在不斷研究中構建受控語言的性能、信息檢索質量問題，使得復合詞、各詞之間的權重問題得到合理解決。

相比之下，我國在自然語言處理應用研究方面起步晚，直到20世紀90年代才受到相關領域重視。起初國內(nèi)學者在研究自然語言處理技術時，只是單一的注重漢語自然語言標注，研究內(nèi)容并不全面。隨著計算機技術推廣普及，為滿足更多用戶多元化需求，相關領域學者進行了進一步探究。從實際研究過程看，不僅遇到諸多挑戰(zhàn)，也受到漢語語言本身復雜性、多樣性影響，再加上我國學者缺乏自然語言檢索方面的理論、技術方面的支持，導致自然語言應用到信息檢索領域研究工作各個環(huán)節(jié)備受阻礙，直接影響了此項技術在國內(nèi)的發(fā)展速度。

三、自然語言處理技術的優(yōu)勢

一是具有較強針對性。在空間信息檢索中應用自然語言處理，可以針對性地檢索相關語言。比如在文獻、資料中隨意選取一個詞語，將該詞語作為關鍵詞用于檢索相關內(nèi)容，能夠直接精確到具體的段落，這也足以證明自然語言處理方式具有極高的針對性。

二是準確性極高。自然語言包含了大量文獻作者的書面語言，屬于一個龐大的書面語言庫，因此，借助自然語言進行信息搜索，可以直接具體到指定的位置，檢索準確性非常突出。當用戶根據(jù)自身需求進行分類查詢時，可以根據(jù)不同學科分類檢索，這與查詢方式同以往傳統(tǒng)受控語言相比，更加準確快捷。

三是檢索更加方便快捷。傳統(tǒng)檢索會受到語言本身的限制，相比之下，基于自然語言處理技術的空間信息檢索更加便利，可以快速檢索。前提是用戶選擇的檢索關鍵詞與中心文獻詞語意思相近，若是意思偏離較大則無法體現(xiàn)這種便捷性、準確性。用戶只需要使用自然語言，便可快速檢索，并獲得精準信息內(nèi)容。

四是更新速度較快。對于一些文獻中出現(xiàn)的新詞語，用戶可以將新詞語納入到檢索系統(tǒng)中，并設置對應的檢索入口。與以往局限于語言搜索的方式相比，此種檢索方法適用性更強，用戶只需要轉換相關詞義，利用一些意思、類型相近的規(guī)范化語句便可完成檢索任務，此種檢索適用范圍更大，覆蓋面更廣。

五是具有較低容錯率。在空間信息檢索中應用自然語言，能夠拓展多條路徑，作為檢索入口，這在很大程度上可以降低出錯率，有效防止受控語言搜索路徑少而產(chǎn)生的一系列問題。

六是具有較高的自動化水平。由于自然語言誕生在大數(shù)據(jù)、互聯(lián)網(wǎng)+環(huán)境下，所以語言標引更加方便、快捷，具有較高的自動化水平，用戶在實際應用過程中，可以節(jié)約更多時間，提高檢索效率，整體應用體驗感較好。

七是節(jié)省更多時間和精力?；谧匀徽Z言處理下的空間信息檢索有統(tǒng)一標準。以往受控語言檢索中主要由標引人員完成大量工作，但標引人員作為獨立個體，其在學識、專業(yè)素養(yǎng)方面存在明顯差異。同時不同人的理解能力、判斷能力不同，所以極易導致詞語分類、選詞路徑差異，進而影響到使用者信息檢索。相比之下，自然語言處理方法可以很好的規(guī)避這些現(xiàn)象，標準統(tǒng)一，很多自然語言主要選自“現(xiàn)成詞語”，所以即便解釋不同，其總體上也不會出現(xiàn)較大誤差，能夠保證為用戶提供統(tǒng)一的解釋，使得用戶信息檢索節(jié)省更多時間和精力。

四、現(xiàn)階段自然語言檢索存在的不足

通過上文分析不難發(fā)現(xiàn)，將自然語言應用到空間信息檢索中，具有明顯優(yōu)勢，也表現(xiàn)出更為廣闊的發(fā)展前景。從實際應用情況看，其中也存在一些不足，若想更好發(fā)揮自然語言檢索作用，有必要重視這些問題。經(jīng)過具體分析后可知，若是自然語言應用中不采用任何方式限制標引詞語，會導致搜索中出現(xiàn)較多的近義詞、同義詞，并且詞和詞之間的關聯(lián)，也無法進行準確提示。在不設限制的情況下，會直接影響檢索準確性，無法得到精準檢索信息，出現(xiàn)一些明顯的錯誤搭配，導致信息檢索范圍更大。除此之外，一些搜索引擎在開發(fā)設置階段就不完善，比如缺乏明確的分類，各科目間界限模糊，知識體系梳理不明、缺乏嚴謹邏輯性等，都會嚴重影響到信息檢索質量，導致檢索速度得不到提高。

總體來看，目前自然語言檢索主要問題可以概括為兩點：一是怎樣才能提取自然文本庫中最主要、最核心的詞語來明確表達，針對用戶需求可以及時準確滿足；二是改變一些不規(guī)范用語、語義關聯(lián)性等問題。漢語言不僅語義復雜，而且有的漢語中詞與詞之間缺乏明確的分割符號，往往一個漢字可以與其他多個漢字組合，最終表達的意思也多種多樣，不同詞語在不同語境下表達的含義也存在較大差異，針對此類問題，若想使得計算機處理過程中可以準確表達，必須克服斷句難題，同時也要做到準確識別一些漢字與詞語的具體連接，才能保證語句中相關語氣詞的理解正確。

五、自然語言應用于空間信息檢索的分析

（一）掌握用戶的檢索偏好

在信息化時代，計算機依托互聯(lián)網(wǎng)技術得到進一步發(fā)展，同時大眾對信息檢索的需求也發(fā)生了極大改變，以往代替檢索的中介性行為已經(jīng)無法迎合受眾需求，并且這種方式也很難實現(xiàn)大量數(shù)據(jù)資料的復制和應用?，F(xiàn)代社會多樣化發(fā)展，使得人們在信息檢索中，更想獲得知識并相互聯(lián)系，由此獲得新知識，而非單一的將目錄相關內(nèi)容直接提供給用戶?，F(xiàn)階段，網(wǎng)絡搜索功能開發(fā)與研究工作不斷深入，為更好滿足各類用戶多樣化需求，必須高度關注并深入了解用戶對空間信息檢索的喜好等特點，全面了解并熟練掌握不同使用者的搜索習慣和行為，并與使用者過往搜索行為進行對比，找出其中存在的誤差，以此作為依據(jù)和導向，逐步優(yōu)化、提升用戶體驗感，減少錯誤情況。

（二）智能化檢索技術

現(xiàn)代社會，將智能化技術引入到信息檢索中，可以進一步提高檢索技術智能化水平。智能化檢索技術主要原理就是通過模擬人腦，結合相關詞語，借助大數(shù)據(jù)、云計算技術，精準、快速分析出用戶想要獲取的信息，并進行展現(xiàn)?，F(xiàn)階段進行智能檢索主要分為三個步驟：第一是理解語義；第二是管理知識；第三是搜索知識。用戶根據(jù)自身需求輸入關鍵詞后，系統(tǒng)會自動識別相關詞義，并進行分類處理，而后提取數(shù)據(jù)庫中的準確含義，通過整理后最終呈現(xiàn)給用戶。在自然語言檢索中，最為關鍵的技術就是智能代理技術，該技術包含了一些關鍵性智能化程序，當用戶在不斷搜索時，該智能化程序會分析、學習用戶的搜索行為，了解用戶實際偏好，在此基礎上，通過搜索系統(tǒng)找出用戶需求的信息，在實際應用中可以進一步提高用戶信息檢索效率。同時，智能化檢索技術也會不斷更新，更好為用戶服務?？梢哉f，智能化檢索技術是結合用戶需求而不斷發(fā)展的，通過不斷分析、建立智能化數(shù)據(jù)庫，構建智能搜索模式，可以滿足數(shù)據(jù)庫自動維護、數(shù)據(jù)庫自動更新等功能，簡化檢索流程，節(jié)省用戶搜索時間。

（三）混合檢索技術的運用

在空間信息檢索中，混合檢索技術的應用受到業(yè)內(nèi)人士廣泛重視，混合檢索技術地主要工作機理就是對自然語言的良好控制，防止出現(xiàn)一些相近詞義大范圍出現(xiàn)的情況。深入分析混合檢索技術可知，其主要就是構建一種混合詞表，在設計混合詞表過程中，并沒有具體要求，對精確度也不高，屬于一種較大范圍的詞表，并且數(shù)量非常少，通常只要幾百個詞匯便可形成一種長條形的檢索流程。用戶在搜索標引詞語時，無法精確到具體的詞語，只需要輸入一個模糊的詞語，便可將文獻、資料中的詞語提取出來。此種混合檢索方式，不僅包含了傳統(tǒng)受控語言，也借助自然語言檢索，具有一定復雜性。

（四）自然語言的優(yōu)化應用

一方面，需要從先控技術入手，加強優(yōu)化。所謂先控技術，主要就是在技術使用前建立一個與自然語言、檢索語言相對應的語言庫，當中包含了自然語言和檢索語言，用戶在運用自然語言檢索所需信息時，計算機系統(tǒng)可以結合對應的自然語言，找出相關檢索語言，借助這種互換體系，實現(xiàn)對文本庫內(nèi)容的精準檢索。在實際檢索中，該方法僅僅是一小部分，對原有標引工具、相關數(shù)據(jù)信息并無影響，由于其存在可以提升受控語言性能，使自然語言自身的優(yōu)勢得以充分發(fā)揮，這在很大程度上可以提高檢索準確性，進而降低容錯率，對使用者帶來很好的使用體驗。

另一方面，除了先控技術之外，檢索過程中還涉及到后控技術，后控技術主要應用在人工智能檢索系統(tǒng)、后控詞表中。用戶利用關鍵詞進行檢索后，在人工智能檢索技術作用下，可以分析、分類用戶自然語言，在此基礎上，運用一些數(shù)據(jù)進行轉化，并在計算機系統(tǒng)下準確識別、規(guī)范檢索要求，使得對應指令傳達給后續(xù)程序，最終檢索任務順利完成。分析這一過程不難發(fā)現(xiàn)，后控技術在檢索技術中發(fā)揮著重要作用，若用戶輸入自然語言后，智能化機器可以結合自然語言情況，在后控詞表中提取出準確、規(guī)范的詞語，展現(xiàn)給用戶。用戶也可以根據(jù)提示，小范圍檢索。此技術可以作為自然語言檢索的補充，有效提高檢索精準度。應用此種方法，能夠在一定程度上放寬對標引階段的控制。與此同時，當用戶利用這種方法進行檢索時，能夠以一個關鍵詞切入，而后從文本庫內(nèi)搜索出大量與之相近的等級詞、近義詞。用戶在檢索過程中，并不需要考慮自己搜索的主題、關鍵詞是什么，以及到底有哪些近義詞、等級詞等情況，而是直接利用后控技術，獲得更多相關詞語，并且獲取速度更快、檢索任務完成效率更高，這對用戶而言，會減少使用負擔，提高檢索效率，帶來更多體驗。

六、結束語

綜上所述，在自然語言檢索技術發(fā)展中，我國雖然起步較晚，但隨著技術人員不斷實踐與探究，已經(jīng)獲得很大的發(fā)展空間，各領域學者也都提高了對自然語言的重視程度。在日后研究中，希望有關學者和相關領域研究人員可以從其他語言學角度入手，深入探究存在于自然語言檢索過程中的問題，并不斷積累經(jīng)驗，積極創(chuàng)新發(fā)展。