文档介绍：第 ３１卷第 ６期 计算机应用与软件 Ｖｏｌ３１Ｎｏ．６
２０１ｔｈｅｅｘｐａｎｄｅｄｑｕｅｒｙｔｏ
ｏｂｔａｉｎｔｈｅｏｐｔｉｍａｌｑｕｅｒｙｖｅｃｔｏｒ，ｔｈｅｎｃａｒｒｙｏｕｔｑｕａｄｒａｔｉｃｓｅａｒｃｈｆｏｒｄｏｃｕｍｅｎｔｓｉｎｔｈｅｔｅｓｔｓｕｉｔｅ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｉｓ
ｓｕｐｅｒｉｏｒａｔｒｅｔｒｉｅｖａｌｐｅｒｆｏｒｍａｎｃｅｔｏｅｉｔｈｅｒｌｏｃａｌｃｏｎｔｅｘｔａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍａｌｏｎｅｏｒｌｏｃａｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｎａｌｙｓｉｓａｌｇｏｒｉｔｈｍａｌｏｎｅ．
Ｋｅｙｗｏｒｄｓ Ｉｎｆｏｒｍａｔｉｏｎｒｅｔｒｉｅｖａｌ Ｑｕｅｒｙｅｘｐａｎｓｉｏｎ Ｌｏｃａｌａｎａｌｙｓｉｓ Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ
此遗传算法被引入到全文检索领域［１，２］。文献［３，４］提出一种
０ 引 言 基于局 部 类 别 分 析 的 查 询 扩 展 优 化 算 法 （简称 ＬＣＬＡ）。在
ＬＣＬＡ算法中，重点研究了如何选择扩展词对初始查询进行扩
全文检索是一种非常有效的信息检索技术，它能帮助人们 展，但并没有进一步讨论如何更为有效地对扩展后的查询进行
快速地从海量数据中获得所需的信息。但由于用户通常在初次 权重分配，因此本文结合 ＬＣＬＡ算法的优点和基于遗传算法的
检索信息时输入的关键词不够具体或所能够反映的信息量有 权重分配方法，提出一种基于局部类别分析和遗传算法的查询
限，从而导致检索效率的低下。查询效率成为全文检索系统的 优化算法（简称 ＬＣＡＧＡ）。
一个突出瓶颈。查询优化的目的是提高信息检索的查全率和查
准率。 ２ ＬＣＡＧＡ算法
１ 研究现状
２．１ ＬＣＡＧＡ算法基本思想
上世纪 ７０年代至今已提出多种查询优化技术，比较流行的 该算法对