基于WordNet的概念格語義匹配算法及其在搜索引擎上的應(yīng)用.pdf

1、近年來，隨著互聯(lián)網(wǎng)用戶數(shù)量的增加，網(wǎng)上信息迅速膨脹，搜索引擎成為了人們獲取新知識的重要手段。然而傳統(tǒng)的搜索引擎查詢系統(tǒng)大多是基于關(guān)鍵字匹配的，所以在進(jìn)行搜索時會帶來一些問題，比如查詢返回信息過多或者不容易找到與查詢相關(guān)的信息等等。智能化是未來搜索引擎應(yīng)該追求的方向，這主要表現(xiàn)在兩個方面：一是對搜索請求的理解，二是對網(wǎng)頁內(nèi)容的分析?；诟拍畹闹悄軝z索才符合信息檢索未來的需求。形式概念分析(Formal Concept Analysis，以

2、下簡稱FCA)的主要內(nèi)容是研究“概念”和“概念分層”的數(shù)學(xué)化描述，其主要思想是：從被表示為形式背景(Formal Context)的數(shù)據(jù)中獲取形式概念(Formal Concept)以及形式概念之間的聯(lián)系，形成一種以形式概念為元素的格結(jié)構(gòu)--概念格(Concept Lattice)。隨著概念格應(yīng)用的不斷深入，概念格之間的匹配研究也越來越重要。 本文首先提出了基于概念格的搜索引擎匹配模型，即將自然語言的用戶查詢與網(wǎng)頁文檔分別構(gòu)建概

3、念格，然后進(jìn)行匹配。在進(jìn)行概念格匹配時，本文提出了一種基于WordNet的概念格語義匹配算法。目前搜索引擎的智能化表現(xiàn)在對自然語言的語義分析和內(nèi)容信息的理解，這離不開語義知識庫的支持，它是幫助計算機(jī)“了解"人類語言的一個媒介和橋梁，也是讓計算機(jī)逐漸“聰明”起來的物質(zhì)前提。在眾多的語義知識庫中，WordNet體系簡潔、內(nèi)容詳實(shí)，已經(jīng)成為自然語言處理領(lǐng)域最重要的公用語義資源和語義知識庫事實(shí)上的國際標(biāo)準(zhǔn)。我們用Wordnet來計算詞匯語義間復(fù)

4、雜的難以把握的語義關(guān)系，構(gòu)造出相似圖，然后通過計算節(jié)點(diǎn)與節(jié)點(diǎn)之間的相似度，節(jié)點(diǎn)與概念格之間的相似度，最后得到概念格與概念格之間的相似度。本文還研究了概念格的語義匹配算法在網(wǎng)絡(luò)爬蟲的智能爬行方向的選擇方面的重要作用。 實(shí)驗(yàn)證明在基于FCA的搜索引擎模型中，基于概念格語義匹配算法的可行性。FCA的搜索引擎模型的優(yōu)越性體現(xiàn)在對數(shù)據(jù)源的有效組織方面，反映出文檔之間或者文檔中事物之間潛在的語義關(guān)系。同時，概念格的語義匹配算法的實(shí)用價值和性