面向語(yǔ)義網(wǎng)的語(yǔ)義搜索引擎關(guān)鍵技術(shù)研究.pdf

1、語(yǔ)義網(wǎng)是當(dāng)今互聯(lián)網(wǎng)的發(fā)展趨勢(shì)，語(yǔ)義網(wǎng)環(huán)境下的文檔擁有豐富的語(yǔ)義信息，這為數(shù)據(jù)的語(yǔ)義處理提供了基礎(chǔ)。面向語(yǔ)義網(wǎng)的語(yǔ)義專(zhuān)題搜索引擎將充分的利用語(yǔ)義網(wǎng)豐富的語(yǔ)義信息作為出發(fā)點(diǎn)，通過(guò)分析語(yǔ)義文檔中的語(yǔ)義標(biāo)注和本體的知識(shí)表示使得用戶針對(duì)某一個(gè)專(zhuān)題進(jìn)行精確的搜索成為可能，面向語(yǔ)義網(wǎng)的語(yǔ)義專(zhuān)題搜索引擎的關(guān)鍵技術(shù)研究對(duì)推動(dòng)互聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展以及語(yǔ)義網(wǎng)的普及具有重要意義。
　　 面向語(yǔ)義網(wǎng)的語(yǔ)義專(zhuān)題搜索引擎包括語(yǔ)義專(zhuān)題爬蟲(chóng)、本體映射器、實(shí)體融

2、合器、語(yǔ)義索引器以及用戶界面幾個(gè)主要部件。本選題主要研究?jī)?nèi)容包括以下四個(gè)方面：(1)計(jì)算本體概念之間相似度的新方法。方法除了考慮概念的屬性相似度對(duì)概念相似度的影響以外，還將兩個(gè)概念之間存在多條路徑連接的情況納入了考慮范圍。(2)語(yǔ)義專(zhuān)題爬蟲(chóng)的路徑調(diào)整算法。通過(guò)計(jì)算頁(yè)面主題相關(guān)度計(jì)算作為Q學(xué)習(xí)器的回報(bào)函數(shù)，并采用用戶操作數(shù)據(jù)對(duì)回報(bào)函數(shù)的參數(shù)進(jìn)行調(diào)整，提高爬蟲(chóng)獲取主題相關(guān)語(yǔ)義文檔的性能。(3)結(jié)合多種本體元素的相似度的本體映射方法。映射方法

3、除了考慮到本體的語(yǔ)言相似度和結(jié)構(gòu)相似度以外，還加入了本體實(shí)例的相似度作為映射結(jié)果的參考因素。(4)語(yǔ)義信息的語(yǔ)義分級(jí)索引。語(yǔ)義分級(jí)索引從多種索引對(duì)象出發(fā)，分析對(duì)象的特點(diǎn)，建立索引逐步引導(dǎo)用戶通過(guò)快速查詢逼近真正的查詢意圖。
　　 論文在以下方面作了有益的探索和創(chuàng)新性工作。
　　 (1)對(duì)語(yǔ)義網(wǎng)以及語(yǔ)義搜索引擎的特點(diǎn)進(jìn)行了分析，指出了目前的語(yǔ)義搜索引擎的局限性，并在此基礎(chǔ)上提出了一種基于語(yǔ)義解析和處理的面向語(yǔ)義網(wǎng)的專(zhuān)題搜索

4、引擎框架(以下簡(jiǎn)稱(chēng)FSTSE)，并且對(duì)框架中的各個(gè)部件的工作流程和作用進(jìn)行了闡述。FSTSE為以下的各個(gè)方法研究提供了基礎(chǔ)。
　　 (2)在FSTSE的框架下，針對(duì)語(yǔ)義專(zhuān)題爬蟲(chóng)的路徑調(diào)整算法進(jìn)行了分析和闡述。面對(duì)大量位置分散的語(yǔ)義文檔，對(duì)文檔內(nèi)容的分析以及爬行路徑的預(yù)測(cè)和篩選顯得非常重要。本文提出了利用WordNet本體作為指導(dǎo)的語(yǔ)義文檔圖形表示方法，方法可以準(zhǔn)確的將語(yǔ)義文檔的內(nèi)容表示為圖形結(jié)構(gòu)。在此基礎(chǔ)上，本文提出了由Q學(xué)習(xí)器

5、通過(guò)學(xué)習(xí)為Bayes分類(lèi)器提供先驗(yàn)概率的QBLP爬蟲(chóng)路徑調(diào)整算法。QBLP方法通過(guò)累計(jì)語(yǔ)義文檔和語(yǔ)義鏈接特征的知識(shí)，調(diào)整爬蟲(chóng)爬行路徑，提高爬蟲(chóng)的性能。這個(gè)目標(biāo)在實(shí)驗(yàn)中得到了驗(yàn)證。
　　 (3)針對(duì)語(yǔ)義網(wǎng)應(yīng)用普遍存在的本體異構(gòu)問(wèn)題，本文提出了結(jié)合多種本體元素的相似度的本體映射方法。除了本體映射方法中常用的語(yǔ)言相似度和結(jié)構(gòu)相似度以外，本文還對(duì)概念實(shí)例的相似度計(jì)算方法進(jìn)行了研究，并提出了一種判斷簇內(nèi)樣本純度的衡量標(biāo)準(zhǔn)——信息熵純度。通

6、過(guò)對(duì)聚類(lèi)形成的簇的信息熵純度來(lái)分析本體中擁有實(shí)例集合的概念之間的相似度。實(shí)驗(yàn)表明，這種本體映射方法表現(xiàn)出很高的性能。
　　 (4)為了提高語(yǔ)義搜索引擎的查詢效率，本文對(duì)語(yǔ)義信息進(jìn)行了不同粒度的解析，建立了多級(jí)的語(yǔ)義索引結(jié)構(gòu)，日的是為了滿足用戶針對(duì)語(yǔ)義信息不同的查詢需求。分級(jí)索引包括文檔、聚類(lèi)、路徑和三元組四個(gè)級(jí)別，每個(gè)級(jí)別都根據(jù)索引對(duì)象的特征建立索引，并且以語(yǔ)義信息之間的語(yǔ)義相似度為基礎(chǔ)，試圖理解用戶的搜索意圖，提高搜索效率。最

7、后，本文通過(guò)實(shí)驗(yàn)對(duì)索引性能進(jìn)行了測(cè)試。
　　 (5)在FSTSE的基礎(chǔ)上，結(jié)合語(yǔ)義爬蟲(chóng)的路徑調(diào)整方法、多種相似度混合的本體映射方法和分級(jí)的語(yǔ)義索引結(jié)構(gòu)，我們實(shí)現(xiàn)了一個(gè)面向語(yǔ)義網(wǎng)的語(yǔ)義專(zhuān)題搜索引擎原型系統(tǒng)——Sniper。Sniper基本實(shí)現(xiàn)了文中方法的設(shè)計(jì)目標(biāo)，能夠快速的響應(yīng)用戶的語(yǔ)義查詢，實(shí)現(xiàn)了語(yǔ)義數(shù)據(jù)在語(yǔ)義層面的融合。
　　 本文主要針對(duì)語(yǔ)義網(wǎng)環(huán)境下的語(yǔ)義信息的信息集成問(wèn)題進(jìn)行研究，基本實(shí)現(xiàn)了語(yǔ)義層面的信息獲取、信息