面向分布式數(shù)據(jù)源的語義垂直搜索系統(tǒng)研究與實(shí)現(xiàn).pdf

1、近年來,隨著Internet技術(shù)的高速發(fā)展,Web信息爆炸性增長,互聯(lián)網(wǎng)已成為海量數(shù)據(jù)空間。人們從這些海量數(shù)據(jù)中得到自己需要的信息變的越來越困難,此時(shí)搜索技術(shù)變的尤為重要。隨著搜索引擎技術(shù)的高速發(fā)展,通用搜索引擎的功能變的日益強(qiáng)大,這使得通用搜索引擎的結(jié)構(gòu)也日益復(fù)雜,擁有龐大的索引數(shù)據(jù)和十分寬泛的主題,并且主題與主題之間無分類。而且通用搜索的搜索深度不夠,查準(zhǔn)率較低,時(shí)效性較差等這些局限性決定了通用搜索并不能滿足特定用戶的需求。由于人們

2、對(duì)特定領(lǐng)域、特殊行業(yè)的個(gè)性化需求,人們迫切需要更有針對(duì)性、更具搜索深度的搜索引擎,在這種情況下,面向特定領(lǐng)域的垂直搜索技術(shù)應(yīng)運(yùn)而生。目前已有很多垂直搜索引擎,如生活搜索酷訊、旅游搜索去哪兒網(wǎng)等,但這些垂直搜索引擎仍采用基于關(guān)鍵詞的搜索方式,無法滿足用戶語義級(jí)別的檢索要求。
　　為了研究和實(shí)現(xiàn)語義層面的垂直搜索,提高檢索質(zhì)量,依據(jù)課題背景和課題來源,本文主要研究分布式環(huán)境下語義垂直搜索技術(shù)和系統(tǒng)實(shí)現(xiàn)。主要包括研究領(lǐng)域本體的構(gòu)建,基于

3、領(lǐng)域本體的語義查詢擴(kuò)展方法,基于DOM樹的信息抽取,采用最新索引Lucene4.x等技術(shù)實(shí)現(xiàn)語義級(jí)別的垂直搜索,并做出實(shí)驗(yàn)數(shù)據(jù)分析。本文研究和完成的主要工作有:
　　(1)通過計(jì)算機(jī)安全領(lǐng)域信息的采集、過濾、歸類等處理構(gòu)建面向計(jì)算機(jī)安全領(lǐng)域的領(lǐng)域本體,由于計(jì)算機(jī)安全領(lǐng)域涉及廣泛,出于時(shí)間上的考慮,本文針對(duì)計(jì)算機(jī)安全領(lǐng)域狹窄范圍進(jìn)行本體的構(gòu)建。并對(duì)各類的屬性和類之間的關(guān)系進(jìn)行定義描述,實(shí)現(xiàn)計(jì)算機(jī)安全領(lǐng)域知識(shí)的表示和信息組織。

4、　　(2)根據(jù)計(jì)算機(jī)安全領(lǐng)域獨(dú)有的特點(diǎn),使用基于規(guī)則的DOM樹的信息抽取技術(shù)初步實(shí)現(xiàn)對(duì)計(jì)算機(jī)安全領(lǐng)域的相關(guān)信息的自動(dòng)抽取,為將來本體的編輯和維護(hù)打下基礎(chǔ)。
　　(3)對(duì)本體中的實(shí)例、概念、對(duì)象屬性、數(shù)據(jù)屬性以及類與類之間的關(guān)系構(gòu)建索引,利用索引完成對(duì)用戶的查詢請(qǐng)求的語義分析和語義擴(kuò)展,實(shí)現(xiàn)語義級(jí)別的信息檢索。
　　(4)根據(jù)某所提供的語義詞典和關(guān)系范疇構(gòu)建概念詞語層次體系,為語義查詢擴(kuò)展打下基礎(chǔ)。
　　本文設(shè)計(jì)并實(shí)現(xiàn)了