基于本體的深度搜索系統(tǒng)關鍵詞庫的構造與研究.pdf

1、DeepWeb是指那些沒有固定的超鏈接,不能被傳統(tǒng)的搜索引擎檢索到,而是由后臺數據庫根據用戶的搜索請求動態(tài)生成的Web頁面;與靜態(tài)Web頁面相比,DeepWeb中存儲的信息具有較高的價值和權威性。隨著Internet的飛速發(fā)展,DeepWeb中的信息量也在快速地增長。因此,如何有效獲取DeepWeb中的信息資源是大家都在關注的話題,具有很現實的重要意義。
　　 本文就如何有效獲取DeepWeb中存儲的數據信息,提出建立一個基于本

2、體查詢關鍵詞庫,以實現DeepWeb數據信息獲取過程中查詢表單的自動填充,解決DeepWeb信息搜索過程中存在的問題,如由于數據異構導致不能統(tǒng)一獲取數據、通過手工獲取數據成本高以及根據搜索結果建立的本地數據庫不能及時更新等問題。目前電子商務的發(fā)展已經成為DeepWeb發(fā)展的主要驅動力量,本文以電子商務網站為例,重點介紹了如何構建合適的基于電子商務領域本體的查詢關鍵詞庫,如何利用查詢關鍵詞庫實現電子商務網站的信息集成,使本地數據庫具有實時

3、性、有效性和完整性。
　　 本文的主要工作和創(chuàng)新點包括以下幾點:
　　 1、分析目前DeepWeb信息搜索技術,提出構建一個基于本體的查詢關鍵詞庫以實現DeepWeb數據集成。獲取DeepWeb數據是DeepWeb數據集成的首要工作,DeepWeb數據需要通過DeepWeb頁面上的用戶查詢接口來獲取,查詢關鍵詞庫可以對用戶查詢接口自動提供查詢關鍵詞,實現DeepWeb數據獲取過程的自動化。為了獲取更全面更專業(yè)的數據,要求

4、查詢關鍵詞庫包含的關鍵詞是有效而全面的。本體可以將某一領域內的所有概念通過語義關系聯系起來,根據本體構建的關鍵詞庫就能夠包含領域內所有的概念集合,提高DeepWeb信息搜索的查全率。
　　 2、使用本體構造工具Protégé和本體描述語言OWL半自動地構建了電子商務領域本體。構建一個基于本體的查詢關鍵詞庫,首先需要建立一個完整的、準確的本體。本文分析目前存在的幾種本體構建方法的特點,將目標本體的構建分為本體需求分析、領域知識獲取

5、、本體設計、本體實現和維護五個階段。根據電子商務網站中的數據特征,使用本體構造工具Protégé和本體描述語言OWL半自動化地構建了電子商務領域本體。
　　 3、在UNIX系統(tǒng)環(huán)境下構建存儲本體層次關系的樹形目錄文件,生成初始關鍵詞庫。本體的存儲有文件存儲和關系數據庫存儲兩種方式。根據本體中概念的層次結構特點和UNIX系統(tǒng)對于文件系統(tǒng)操作的快捷性以及良好的可移植性和安全性等特點,本文采用UNIX環(huán)境下的文件存儲方式。將本體中的概

6、念和概念之間的關系采取特定的映射方式映射到樹形目錄文件結構中,并通過編碼生成樹形目錄文件結構中的文件夾和文件,形成查詢關鍵詞庫。
　　 4、對關鍵詞庫中所對應的UNIX屬性文件目錄進行遍歷,使用一個特定文件保存關鍵詞庫中的所有查詢關鍵詞,通過讀取特定文件中的內容來實現詞的自動提取。為了給獲取DeepWeb數據提供查詢關鍵字,需要頻繁的檢索文件和訪問文件,這樣內外存之間的信息交換量太大會影響文件檢索效率。針對這個問題,本文通過對庫

7、中所有目錄文件進行遍歷,建立一個特定文件,保存關鍵詞庫中的所有查詢關鍵詞。信息檢索程序獲取查詢關鍵詞時只需對這個特定文件進行訪問,這樣既提高了檢索的效率又增加了關鍵詞庫的安全性。
　　 5、通過本體學習,實現關鍵詞庫的更新。提交關鍵詞查詢DeepWeb中存儲的數據后,得到包含DeepWeb數據的結果文檔。根據本體和上下文知識對文檔進行本體學習,經過詞法分析、語義識別、本體查詢、本體更新和詞庫更新五個階段,實現關鍵詞庫的更新,并采