1、信息檢索時，需求的模糊導(dǎo)致查詢結(jié)果不盡人意。為使檢索更有效，需采用各種相關(guān)反饋途徑對檢索策略進行修改，以發(fā)現(xiàn)用戶的信息需求。近年來，研究者提出了基于各種檢索模型下的反饋方法，比較突出的有向量空間模型和概率模型。在本文中首先系統(tǒng)地介紹了信息檢索以及各種檢索模型下的相關(guān)反饋技術(shù)。在對反饋技術(shù)進行仔細分析的前提下，本文提出了如下創(chuàng)新： 首先分析了向量空間模型及其中的相關(guān)反饋。研究發(fā)現(xiàn)，向量空間模型檢索精度及其中相關(guān)反饋的查準率，都在一

2、定程度上受到原始矩陣中數(shù)據(jù)準確度的影響。傳統(tǒng)的權(quán)值構(gòu)造方法是詞頻．逆文檔頻率法及其擴展方法。這些方法在處理Web文檔的時候，沒有考慮到不同Web標簽中同一詞匯的影響程度有所不同這一特點，故不能準確地反映文檔集特點。本文提出了Web標簽影響因子算法，通過對大量的訓(xùn)練文檔進行分析，從而獲得比較準確的標簽因子，用其對原始矩陣數(shù)據(jù)進行了一定程度的精化。通過實驗，發(fā)現(xiàn)對改善系統(tǒng)查準率有一定幫助。 文中重點分析了概率潛在語義模型中的相關(guān)反饋

3、技術(shù)。首先對PAM算法進行了初始k點選擇優(yōu)化，優(yōu)化技術(shù)為輻射場，并對輻射場技術(shù)中每個參數(shù)的選擇提出了具體的解決辦法。在概率潛在語義模型的基礎(chǔ)上，結(jié)合這種改良的聚類算法本文提出了新的相關(guān)反饋流程。 用概率潛在語義模型構(gòu)造的數(shù)據(jù)矩陣為本次研究的基礎(chǔ)數(shù)據(jù)，用k-中心點算法(PAM)的聚類結(jié)果來近似的擬合潛在語義類別。由于聚類的結(jié)果只與輸入矩陣的數(shù)據(jù)有關(guān)；而建立概率潛在語義模型的算法，其唯一依據(jù)也是原始矩陣數(shù)據(jù)；若將PAM算法中聚類個數(shù)