基于大眾注釋的語(yǔ)義提取研究及應(yīng)用.pdf

1、語(yǔ)義Web不僅要求Web資源是用戶可讀的,也是機(jī)器可理解、能自動(dòng)處理的。為獲得機(jī)器可理解的語(yǔ)義,許多研究試圖根據(jù)定義好的Ontology,為Web資源創(chuàng)建語(yǔ)義標(biāo)注,這類標(biāo)注往往是以手工或半自動(dòng)的方式添加的,并存在以下缺點(diǎn)：很難為龐大的Web資源建立一個(gè)統(tǒng)一的Ontology庫(kù)：通用的Ontology庫(kù)不可能趕上Web資源變化的速度；要求注釋者對(duì)Ontology工程有較高的技能,而一般的Web用戶是沒(méi)有這種技能的。 目前網(wǎng)絡(luò)中流行

2、的大眾注釋是由普通網(wǎng)絡(luò)用戶手工添加,盡管沒(méi)有使用事先定義好的Ontology,且與語(yǔ)義標(biāo)注相比有些粗糙、模糊,但它們能從用戶的角度更好地反映網(wǎng)絡(luò)資源的用途和意義。本文從大眾注釋的研究出發(fā),提出有效的語(yǔ)義注釋方法和相應(yīng)的語(yǔ)義搜索方案。首先,提出一個(gè)自底向上的語(yǔ)義標(biāo)注方法,采用概率統(tǒng)計(jì)方法對(duì)大眾注釋的標(biāo)簽進(jìn)行歸類,劃分出領(lǐng)域空間,計(jì)算實(shí)體(用戶、標(biāo)簽和資源)的語(yǔ)義向量,采用Del.icio.us提供的大眾注釋服務(wù)實(shí)例闡述了從大眾注釋中派生出

3、浮出語(yǔ)義的過(guò)程；其次,構(gòu)建一個(gè)語(yǔ)義搜索框架,根據(jù)提出的語(yǔ)義注釋方法,計(jì)算每個(gè)實(shí)體的語(yǔ)義向量,將其應(yīng)用于共享Web資源的發(fā)現(xiàn)和查找,實(shí)現(xiàn)一個(gè)智能的語(yǔ)義搜索系統(tǒng),用戶通過(guò)輸入標(biāo)簽或關(guān)鍵字進(jìn)行查詢并返回按用戶興趣度排序的相關(guān)結(jié)果。 為驗(yàn)證所提出的語(yǔ)義注釋方法和語(yǔ)義搜索方案,采用Python和Java語(yǔ)言開(kāi)發(fā)了一個(gè)原型系統(tǒng),實(shí)現(xiàn)了數(shù)據(jù)采集及預(yù)處理(網(wǎng)絡(luò)爬蟲(chóng))、語(yǔ)義派生處理和語(yǔ)義搜索等功能。原型系統(tǒng)在大量實(shí)際數(shù)據(jù)上的驗(yàn)證表明本文所提出方案