基于用戶興趣本體的初始URLs選擇方法的研究.pdf

1、近年來，隨著本體技術(shù)的迅速發(fā)展，因具有良好的概念層次結(jié)構(gòu)和對邏輯推理的支持，本體在面向知識表達和信息檢索方面得到了廣泛的應(yīng)用，并且成為人工智能、語義Web、Web挖掘等領(lǐng)域的研究熱點。由于Web技術(shù)的快速發(fā)展，其海量數(shù)據(jù)的復(fù)雜性、動態(tài)性和用戶主題的普遍性等特點給現(xiàn)有的搜索引擎發(fā)展帶來了極大的挑戰(zhàn)。怎樣在Web中及時地、有效地、精確地定位用戶主題資源是提高搜索引擎的檢索效率的研究重點。本文將搜索引擎與本體技術(shù)相結(jié)合，提出主題爬行蟲入口-初

2、始URLs選擇方法，并從理論和實驗角度說明初始URLs對于主題搜索引擎的重要性。
　　 首先，通過形式概念分析理論，提出用戶興趣本體的構(gòu)建方法。具體方法：自下向上合并分類概念格和文檔概念格，形成能夠表達用戶興趣的優(yōu)化概念格，通過概念格-本體轉(zhuǎn)化的LMOA規(guī)則，最終形成用戶興趣本體。該本體構(gòu)建的目的是通過描述概念及其間的關(guān)系來指導(dǎo)主題爬行蟲的行為，選擇與主題相關(guān)的網(wǎng)頁，滿足用戶的個性化需求。
　　 其次，本文在利用Web鏈

3、接結(jié)構(gòu)的同時，結(jié)合用戶興趣本體，提出了基于用戶興趣本體的初始URLs選擇方法。該方法的特點是將用戶興趣本體與HITS算法相結(jié)合，一是利用本體信息對HITS算法獲取基礎(chǔ)集進行修剪，提高HITS算法主題識別能力；二是利用HITS算法得到的權(quán)威網(wǎng)頁和中心網(wǎng)頁描述主題區(qū)域，并對用戶興趣本體進行更新，通過用戶興趣本體加權(quán)擴展用戶的興趣主題，使之能準(zhǔn)確表達用戶興趣需求；②該方法將網(wǎng)頁內(nèi)容和鏈接分析同時考慮來發(fā)現(xiàn)興趣主題，通過利用圖論相關(guān)知識，把尋找

4、“核心主題區(qū)域”的問題轉(zhuǎn)化為“在完全有向圖查找完全二分有向圖”的問題，從而降低了算法實現(xiàn)的難度；③利用用戶興趣本體擴展興趣主題特征向量，并與權(quán)威頁面集進行相似度計算，重新過濾搜索結(jié)果得到最終的初始URLs。
　　 最后，利用VC6.0開發(fā)應(yīng)用程序進行驗證。實驗(1)將十組用戶查詢詞集提交給Wikipedia，對返回的結(jié)果進行處理，構(gòu)建概念格，并構(gòu)建用戶興趣本體。實驗(2)實現(xiàn)基于該本體的初始URLs選擇方法，目的是通過此爬行蟲入