基于語(yǔ)義相似度計(jì)算的Deep Web數(shù)據(jù)庫(kù)檢索方案研究.pdf

1、隨著互聯(lián)網(wǎng)行業(yè)的快速發(fā)展，我們正處在一個(gè)信息快速增長(zhǎng)的年代，并且在海量增長(zhǎng)的信息中往往蘊(yùn)含著大量有價(jià)值的數(shù)據(jù)。雖然在日常生活中，我們可以通過(guò)各種搜索引擎解決我們的需求，但是有時(shí)候搜索出來(lái)的信息，往往在信息相關(guān)的程度和精度上，與我們期望的存在著差異，從而不能夠完全滿足我們的搜索需求。通常我們使用的一些搜索引擎，比如Baidu、Google、Yahoo等等，往往都是通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)，將相關(guān)的網(wǎng)站頁(yè)面首先抓取到自身的服務(wù)器上。我們?cè)趯?duì)關(guān)鍵詞進(jìn)

2、行搜索的時(shí)候，實(shí)際上是直接查詢本地相關(guān)文件，反映給我們的往往也是一些靜態(tài)的網(wǎng)頁(yè)數(shù)據(jù)。日常范圍內(nèi)的搜索，我們很難通過(guò)關(guān)鍵詞的簡(jiǎn)單查詢完全獲得DeepWebDB的數(shù)據(jù)，從而損失了海量有價(jià)值數(shù)據(jù)信息。
　　本文提出了基于語(yǔ)義相似度計(jì)算的DeepWeb數(shù)據(jù)庫(kù)檢索方法，該方法的目的在于將語(yǔ)義相似度的計(jì)算方法運(yùn)用于數(shù)據(jù)庫(kù)檢索當(dāng)中去，最終將該方法同傳統(tǒng)搜索引擎有效結(jié)合，更加滿足用戶搜索需求。本文首先簡(jiǎn)要的介紹了幾種常見(jiàn)的語(yǔ)義相似度的計(jì)算方法，最

3、后結(jié)合各自的優(yōu)點(diǎn)，將同義詞詞林（哈工大版）和知網(wǎng)(HowNet)有效結(jié)合，提出了一種改進(jìn)的語(yǔ)義相似度的計(jì)算方法。通過(guò)計(jì)算關(guān)鍵詞和屬性詞典對(duì)應(yīng)屬性列之間的相關(guān)聯(lián)度，在基于閾值的匹配算法的基礎(chǔ)上，確定當(dāng)前關(guān)鍵詞的查詢的搜索范圍，挖掘出潛在于DeepWeb數(shù)據(jù)庫(kù)中與關(guān)鍵詞有關(guān)聯(lián)的信息。通過(guò)對(duì)DeepWeb數(shù)據(jù)庫(kù)的相應(yīng)查詢，最終將查詢的結(jié)果通過(guò)有效的形式反饋給當(dāng)前用戶。
　　由于當(dāng)前DeepWeb下中文測(cè)試數(shù)據(jù)庫(kù)相對(duì)較少，我們采用的是某校