基于排序学习的构件检索方法的研究*

陈华烨，汪海涛，姜 瑛,陈 星

(昆明理工大学信息工程与自动化学院，云南 昆明 650500)

1 引言

随着软件复用技术的快速发展,通过构件进行软件开发的方法已经成为了广大软件开发人员的主流开发手段。目前对构件的最新定义为在软件系统中构件具有独立功能，并且可以通过遵循相同接口规范来进行连接，从而实现复用。而实现复用最大的依赖对象是构件库，因此,构件库管理问题已成为构件技术中的研究热点。对构件进行描述和检索的方法很多，目前主流的构件描述方法都是采用基于特征或者XML的刻面描述方法[1]。然而，基于特征的方法缺少对特征模型组织框架的详细研究和解释,这在一定程度上导致了特征模型的冗余和混乱。针对通过特征模型产生的多维空间的向量，本文提出了一个使用潜在语义分析[2]对多维空间进行降维的方法，在去除了原始向量空间中“噪音”问题的同时，还凸显了文本的语义特征。

近年来，排序学习方法的出现受到了越来越多的研究者关注，其优点是：结合并优化了大量的排序特征，同时自动进行参数的学习，最终得到一个高效精准的排序模型。并且此方法已很好地应用于信息检索的检索模型中[3]。在信息检索中排序学习的训练实例是用户的特征标签，所以更多复杂的特征被应用到检索中，比如可通过网页的PageRank值、查询和文档匹配的单词个数、网页URL链接地址长度等特征来供排序模型进行训练。……