基于WordNet的概念格語義匹配算法及其在搜索引擎上的應用.pdf

1、近年來，隨著互聯(lián)網(wǎng)用戶數(shù)量的增加，網(wǎng)上信息迅速膨脹，搜索引擎成為了人們獲取新知識的重要手段。然而傳統(tǒng)的搜索引擎查詢系統(tǒng)大多是基于關鍵字匹配的，所以在進行搜索時會帶來一些問題，比如查詢返回信息過多或者不容易找到與查詢相關的信息等等。智能化是未來搜索引擎應該追求的方向，這主要表現(xiàn)在兩個方面：一是對搜索請求的理解，二是對網(wǎng)頁內容的分析。基于概念的智能檢索才符合信息檢索未來的需求。形式概念分析(Formal Concept Analysis，以

2、下簡稱FCA)的主要內容是研究“概念”和“概念分層”的數(shù)學化描述，其主要思想是：從被表示為形式背景(Formal Context)的數(shù)據(jù)中獲取形式概念(Formal Concept)以及形式概念之間的聯(lián)系，形成一種以形式概念為元素的格結構--概念格(Concept Lattice)。隨著概念格應用的不斷深入，概念格之間的匹配研究也越來越重要。 本文首先提出了基于概念格的搜索引擎匹配模型，即將自然語言的用戶查詢與網(wǎng)頁文檔分別構建概

3、念格，然后進行匹配。在進行概念格匹配時，本文提出了一種基于WordNet的概念格語義匹配算法。目前搜索引擎的智能化表現(xiàn)在對自然語言的語義分析和內容信息的理解，這離不開語義知識庫的支持，它是幫助計算機“了解"人類語言的一個媒介和橋梁，也是讓計算機逐漸“聰明”起來的物質前提。在眾多的語義知識庫中，WordNet體系簡潔、內容詳實，已經(jīng)成為自然語言處理領域最重要的公用語義資源和語義知識庫事實上的國際標準。我們用Wordnet來計算詞匯語義間復

4、雜的難以把握的語義關系，構造出相似圖，然后通過計算節(jié)點與節(jié)點之間的相似度，節(jié)點與概念格之間的相似度，最后得到概念格與概念格之間的相似度。本文還研究了概念格的語義匹配算法在網(wǎng)絡爬蟲的智能爬行方向的選擇方面的重要作用。 實驗證明在基于FCA的搜索引擎模型中，基于概念格語義匹配算法的可行性。FCA的搜索引擎模型的優(yōu)越性體現(xiàn)在對數(shù)據(jù)源的有效組織方面，反映出文檔之間或者文檔中事物之間潛在的語義關系。同時，概念格的語義匹配算法的實用價值和性