基于林業(yè)科學數(shù)據的語義檢索研究.pdf

1、隨著技術的發(fā)展和觀念的變更，Web已經成為人們獲取信息的主要來源之一，承載的信息量以爆炸方式急劇增長，它在帶給人們大量信息的同時，也使準確檢索所需信息變得困難。給Web賦予語義信息，將Web作為基于知識的資源共享平臺，讓人們更加方便快捷地獲取信息，是Web發(fā)展的必然趨勢。
　　 科學數(shù)據共享工程是國家科技創(chuàng)新體系建設的重要內容，也是我國科技發(fā)展基礎條件大平臺的重要組成部分。林業(yè)科學數(shù)據共享工程作為其中之一，門戶網站林業(yè)科學數(shù)據中

2、心在十多年的建設和運行服務中不斷地深化和拓展，影響范圍不斷擴大，數(shù)據量也不斷增加。面對如此大量的林業(yè)科學數(shù)據，如何讓使用者更加快速、便捷地查找到所需內容是平臺不斷探索和追求的目標。針對傳統(tǒng)信息檢索中存在的問題，本文嘗試從語義的角度挖掘隱藏在數(shù)據背后的信息和規(guī)律，以期為用戶提供更高質量的數(shù)據服務。
　　 語義信息檢索是一種在傳統(tǒng)信息檢索方法的基礎上與領域本體知識管理、數(shù)據挖掘和自然語言處理相結合的新技術。本文針對基于本體的語義信息

3、檢索進行了深入的研究，以林業(yè)科學數(shù)據本體為基礎，提出了基于林業(yè)科學數(shù)據的語義信息檢索模型，并從系統(tǒng)的角度對本體知識模型、文檔的語義預處理、語義查詢擴展以及語義檢索等主要技術方法進行了分析和研究，主要內容和結論如下:
　　 (1)以本體的構建理論及技術為指導，構建了林業(yè)科學數(shù)據本體模型。詳細闡述了本體模型中，概念集的選取、核心概念的主要關系和屬性及屬性之間的關系。為基于林業(yè)科學數(shù)據本體的語義信息檢索提供了重要的基礎。
　　

4、 (2)對語義Web框架進行研究，描述和分析了林業(yè)科學數(shù)據本體知識模型的維護、存儲、推理及查詢方法。經過比較研究發(fā)現(xiàn):本體的TDB持久化存儲方案比關系數(shù)據庫更為高效，實驗中，前者存儲本體的效率最多優(yōu)于后者60倍;同樣，使用Jena和Pellet推理相結合的方法對林業(yè)科學數(shù)據本體進行陳述三元組推理比單獨使用其中一種的推理方法的效率高10％以上。
　　 (3)對文檔進行語義預處理研究。經過對現(xiàn)有林業(yè)科學數(shù)據的分析，構建了領域詞典，專

5、業(yè)詞匯達7萬余條，提高了分詞的精度;以向量空間表示詞匯在文檔中的特征權重，從林業(yè)科學數(shù)據本體中提取了特征概念集，并作為聚類中心，以余弦相似度作為距離函數(shù)，使用改進的k-均值模型對文檔進行聚類，并對聚類文檔的倒排索引方法進行分析。實驗表明使用該聚類方法的聚類結果正確率為81.4％。
　　 (4)提出了一種語義查詢擴展方法。將用戶的查詢請求分為單關鍵詞、多關鍵詞和疑問句3種情況進行分析處理。單關鍵詞使用改進的語義相似度進行查詢擴展;

6、多關鍵詞使用語義推理和語義相似度相結合的查詢擴展方法;對于疑問句探索性的提出了基于句法分析和語義推理相結合的查詢擴展方法。這些語義查詢擴展方法是實現(xiàn)語義信息檢索的核心內容。
　　 (5)在前文介紹的相關理論和研究的基礎之上，利用語義Web框架設計開發(fā)了基于林業(yè)科學數(shù)據的語義信息檢索系統(tǒng)，實現(xiàn)了信息的語義查詢方式。并且通過實驗分析，與傳統(tǒng)基于關鍵詞匹配的檢索模型進行對比。結果表明，本文構建的語義檢索方法無論在查全率還是在查準率上的

7、表現(xiàn)都優(yōu)于傳統(tǒng)的檢索方法。
　　 語義信息檢索的研究不僅具有重要的理論價值，而且還有實際的應用價值。本文圍繞林業(yè)科學數(shù)據中心現(xiàn)有的八大類數(shù)據，對林業(yè)科學數(shù)據的語義檢索進行了深入的研究和探索。通過本體理論方面的研究，構建了林業(yè)科學數(shù)據本體，為實現(xiàn)林業(yè)領域知識模型的共享和復用提供了條件。同時探討了利用本體實現(xiàn)林業(yè)科學數(shù)據語義檢索的一般方法，在上述研究的基礎上，結合網絡計算技術設計開發(fā)了林業(yè)科學數(shù)據語義檢索系統(tǒng)并進行評價，為海量林業(yè)科