基于語義Web文檔的索引技術(shù)研究.pdf

1、目前的語義Web搜索引擎通常擁有與傳統(tǒng)搜索引擎相似的界面風(fēng)格，采用網(wǎng)絡(luò)用戶熟悉的關(guān)鍵詞搜索方式，提供對語義Web文檔的檢索服務(wù)。但其檢索結(jié)果與傳統(tǒng)的搜索引擎相似，檢索結(jié)果也是數(shù)以千計(jì)的包含查詢實(shí)體的語義Web文檔，用戶根據(jù)需要對結(jié)果進(jìn)行篩選，同樣加重了用戶的負(fù)擔(dān)。那么，為語義Web搜索引擎提供一個(gè)基于語義內(nèi)容的，實(shí)現(xiàn)知識(shí)融合索引模型可能成為語義搜索引擎要解決的問題之一。
　　 本文研究了一種在語義網(wǎng)環(huán)境中通過充分利用語義信息實(shí)現(xiàn)

2、知識(shí)融合目標(biāo)的索引模型，以基于知識(shí)融合的專題語義搜索引擎-Sniper框架為測試背景。索引模型包括三部分：支持知識(shí)融合的語義數(shù)據(jù)索引、利用本體路徑中實(shí)體的語義關(guān)系實(shí)現(xiàn)對多個(gè)關(guān)鍵詞語義查詢擴(kuò)展的路徑索引和將語義相近的實(shí)體聚類，提高語義搜索引擎查詢性能的實(shí)體聚類索引。
　　 本文在以下方面做了有益的探索和創(chuàng)新性工作：
　　 （1）在對語義Web文檔特征分析的基礎(chǔ)上，闡釋了語義Web文檔的分類、解析方法，并將解析后的語義數(shù)據(jù)存

3、放到存儲(chǔ)模型中。
　　 （2）在對存儲(chǔ)模型中語義數(shù)據(jù)和本體映射數(shù)據(jù)分析基礎(chǔ)上，提出了支持知識(shí)融合的語義數(shù)據(jù)索引，語義數(shù)據(jù)索引中包含了實(shí)體映射信息和實(shí)體基本信息等。
　　 （3）對基于領(lǐng)域本體的路徑索引方式展開研究和討論。提出了基于領(lǐng)域本體路徑的倒排索引和PS-Tree索引，兩個(gè)索引結(jié)構(gòu)都實(shí)現(xiàn)了對多個(gè)關(guān)鍵詞的語義查詢擴(kuò)展。路徑倒排索引為實(shí)體與路徑建立倒排索引，能夠?qū)崿F(xiàn)從實(shí)體到路徑的查詢。PS-Tree從兩方面提高路徑的查詢

4、性能，一方面建立實(shí)體與PS-Tree森林的倒排索引，另一方面，PS-Tree本身就是一棵范圍查找樹。實(shí)驗(yàn)表明，PS-Tree索引結(jié)構(gòu)在索引文件存儲(chǔ)空間和查詢響應(yīng)時(shí)間上都優(yōu)于路徑倒排索引。
　　 （4）實(shí)體聚類索引。根據(jù)實(shí)體在領(lǐng)域本體中語義距離，實(shí)體聚類索引先將實(shí)體進(jìn)行分類，再對分類結(jié)果進(jìn)行層次聚類，并對層次聚類的結(jié)果建立實(shí)體聚類索引。將語義相近的實(shí)體聚到一類，提高了語義相關(guān)的查詢詞落到一類中可能性。對層次聚類的結(jié)果建立索引，能快

5、速定位多個(gè)查詢詞所對應(yīng)的類，并將所在類的數(shù)據(jù)從外部存儲(chǔ)器調(diào)入內(nèi)存，加快數(shù)據(jù)查詢。實(shí)驗(yàn)表明，實(shí)體聚類索引減少了讀取數(shù)據(jù)的I/O次數(shù)，提高了語義搜索引擎的查詢性能。
　　 本文的索引模型是基于知識(shí)融合的語義網(wǎng)搜索引擎研究框架下的重點(diǎn)模塊之一?；陬I(lǐng)域本體的路徑索引并不是只針對某一應(yīng)用而設(shè)計(jì)，其對實(shí)現(xiàn)多個(gè)關(guān)鍵詞語義擴(kuò)展研究有著普遍的意義。實(shí)體聚類索引的思想對提高語義搜索引擎查詢性能也非常具有參考價(jià)值。實(shí)驗(yàn)表明，本文的索引模型為語義搜索