基于概念相似度的科技論文檢索研究.pdf

1、隨著信息化的迅猛發(fā)展，網(wǎng)絡已成為人們獲取信息的主要來源。但是，人們獲得個人價值偏向的信息（知識）表現(xiàn)為兩種困惑：（1） Web頁面的無結構性、超鏈接的無序性以及信息的海量性導致信息迷航；（2）信息資源缺少統(tǒng)一的語義描述，使得用戶難以查找到與需求相關的資源。如何在大量信息中找到對于用戶有價值的信息已經成為信息檢索領域的一個研究熱點。近年來，本體技術的發(fā)展為這一問題的解決提供了技術支持?；诒倔w的信息檢索是基于知識的、語義上的檢索，它彌補了

2、傳統(tǒng)的基于關鍵字信息檢索技術的缺陷，從而在查準率和查全率上有更好的保證。本體是語義網(wǎng)的核心，它作為一種領域知識概念化和模型化的方法，可用來描述計算機處理數(shù)據(jù)的語義信息。語義網(wǎng)旨在賦予Web上所有資源唯一的標識，并在資源之間建立起機器可處理的各類語義聯(lián)系。為了將無序的Web變成有序的計算機可理解的知識庫，語義網(wǎng)采用多層次的表示框架，本體位于從文檔描述到知識推理轉折的層次，因此本體的構建是實現(xiàn)語義網(wǎng)的關鍵環(huán)節(jié)。本體是用來描述某個領域甚至更廣

3、范圍內的概念以及概念之間的聯(lián)系，使得這些概念和聯(lián)系在共享的范圍內有著明確唯一的定義，達成一種共識，這樣人和機器之間就可以進行交流。由于概念是組成信息的最小單位，所以概念的相似度計算研究在信息檢索中顯得相當重要，在推薦和過濾、數(shù)據(jù)挖掘等領域也有廣泛的應用，是當今信息技術領域研究的關鍵技術。而本體在信息檢索和人工智能領域的廣泛應用，為概念相似度計算研究提供了新的方法。 本文圍繞基于本體的概念相似度計算進行研究。首先，介紹了本體理論和

4、技術，包括本體的形式化定義、建模元語、描述語言、構建、分類等，為基于本體的概念相似度計算提供了理論基礎。其次，本文提出了一種基于本體的綜合計算概念相似度的模型，該計算模型綜合考慮了四個因素，即屬性相似度、語義距離、層次深度、調節(jié)因子對概念相似度的影響。最后，本文利用本體建模工具Protege構建了一個科技論文本體，利用Jena對科技論文本體進行解析，基于本文提出的計算概念相似度的方法計算科技論文之間的相似度并對構建的科技論文本體OWL文