基于林業(yè)科學(xué)數(shù)據(jù)的語(yǔ)義檢索研究.pdf

1、隨著技術(shù)的發(fā)展和觀念的變更，Web已經(jīng)成為人們獲取信息的主要來(lái)源之一，承載的信息量以爆炸方式急劇增長(zhǎng)，它在帶給人們大量信息的同時(shí)，也使準(zhǔn)確檢索所需信息變得困難。給Web賦予語(yǔ)義信息，將Web作為基于知識(shí)的資源共享平臺(tái)，讓人們更加方便快捷地獲取信息，是Web發(fā)展的必然趨勢(shì)。
　　 科學(xué)數(shù)據(jù)共享工程是國(guó)家科技創(chuàng)新體系建設(shè)的重要內(nèi)容，也是我國(guó)科技發(fā)展基礎(chǔ)條件大平臺(tái)的重要組成部分。林業(yè)科學(xué)數(shù)據(jù)共享工程作為其中之一，門(mén)戶(hù)網(wǎng)站林業(yè)科學(xué)數(shù)據(jù)中

2、心在十多年的建設(shè)和運(yùn)行服務(wù)中不斷地深化和拓展，影響范圍不斷擴(kuò)大，數(shù)據(jù)量也不斷增加。面對(duì)如此大量的林業(yè)科學(xué)數(shù)據(jù)，如何讓使用者更加快速、便捷地查找到所需內(nèi)容是平臺(tái)不斷探索和追求的目標(biāo)。針對(duì)傳統(tǒng)信息檢索中存在的問(wèn)題，本文嘗試從語(yǔ)義的角度挖掘隱藏在數(shù)據(jù)背后的信息和規(guī)律，以期為用戶(hù)提供更高質(zhì)量的數(shù)據(jù)服務(wù)。
　　 語(yǔ)義信息檢索是一種在傳統(tǒng)信息檢索方法的基礎(chǔ)上與領(lǐng)域本體知識(shí)管理、數(shù)據(jù)挖掘和自然語(yǔ)言處理相結(jié)合的新技術(shù)。本文針對(duì)基于本體的語(yǔ)義信息

3、檢索進(jìn)行了深入的研究，以林業(yè)科學(xué)數(shù)據(jù)本體為基礎(chǔ)，提出了基于林業(yè)科學(xué)數(shù)據(jù)的語(yǔ)義信息檢索模型，并從系統(tǒng)的角度對(duì)本體知識(shí)模型、文檔的語(yǔ)義預(yù)處理、語(yǔ)義查詢(xún)擴(kuò)展以及語(yǔ)義檢索等主要技術(shù)方法進(jìn)行了分析和研究，主要內(nèi)容和結(jié)論如下:
　　 (1)以本體的構(gòu)建理論及技術(shù)為指導(dǎo)，構(gòu)建了林業(yè)科學(xué)數(shù)據(jù)本體模型。詳細(xì)闡述了本體模型中，概念集的選取、核心概念的主要關(guān)系和屬性及屬性之間的關(guān)系。為基于林業(yè)科學(xué)數(shù)據(jù)本體的語(yǔ)義信息檢索提供了重要的基礎(chǔ)。
　　

4、 (2)對(duì)語(yǔ)義Web框架進(jìn)行研究，描述和分析了林業(yè)科學(xué)數(shù)據(jù)本體知識(shí)模型的維護(hù)、存儲(chǔ)、推理及查詢(xún)方法。經(jīng)過(guò)比較研究發(fā)現(xiàn):本體的TDB持久化存儲(chǔ)方案比關(guān)系數(shù)據(jù)庫(kù)更為高效，實(shí)驗(yàn)中，前者存儲(chǔ)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(jié)合的方法對(duì)林業(yè)科學(xué)數(shù)據(jù)本體進(jìn)行陳述三元組推理比單獨(dú)使用其中一種的推理方法的效率高10％以上。
　　 (3)對(duì)文檔進(jìn)行語(yǔ)義預(yù)處理研究。經(jīng)過(guò)對(duì)現(xiàn)有林業(yè)科學(xué)數(shù)據(jù)的分析，構(gòu)建了領(lǐng)域詞典，專(zhuān)

5、業(yè)詞匯達(dá)7萬(wàn)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(quán)重，從林業(yè)科學(xué)數(shù)據(jù)本體中提取了特征概念集，并作為聚類(lèi)中心，以余弦相似度作為距離函數(shù)，使用改進(jìn)的k-均值模型對(duì)文檔進(jìn)行聚類(lèi)，并對(duì)聚類(lèi)文檔的倒排索引方法進(jìn)行分析。實(shí)驗(yàn)表明使用該聚類(lèi)方法的聚類(lèi)結(jié)果正確率為81.4％。
　　 (4)提出了一種語(yǔ)義查詢(xún)擴(kuò)展方法。將用戶(hù)的查詢(xún)請(qǐng)求分為單關(guān)鍵詞、多關(guān)鍵詞和疑問(wèn)句3種情況進(jìn)行分析處理。單關(guān)鍵詞使用改進(jìn)的語(yǔ)義相似度進(jìn)行查詢(xún)擴(kuò)展;

6、多關(guān)鍵詞使用語(yǔ)義推理和語(yǔ)義相似度相結(jié)合的查詢(xún)擴(kuò)展方法;對(duì)于疑問(wèn)句探索性的提出了基于句法分析和語(yǔ)義推理相結(jié)合的查詢(xún)擴(kuò)展方法。這些語(yǔ)義查詢(xún)擴(kuò)展方法是實(shí)現(xiàn)語(yǔ)義信息檢索的核心內(nèi)容。
　　 (5)在前文介紹的相關(guān)理論和研究的基礎(chǔ)之上，利用語(yǔ)義Web框架設(shè)計(jì)開(kāi)發(fā)了基于林業(yè)科學(xué)數(shù)據(jù)的語(yǔ)義信息檢索系統(tǒng)，實(shí)現(xiàn)了信息的語(yǔ)義查詢(xún)方式。并且通過(guò)實(shí)驗(yàn)分析，與傳統(tǒng)基于關(guān)鍵詞匹配的檢索模型進(jìn)行對(duì)比。結(jié)果表明，本文構(gòu)建的語(yǔ)義檢索方法無(wú)論在查全率還是在查準(zhǔn)率上的

7、表現(xiàn)都優(yōu)于傳統(tǒng)的檢索方法。
　　 語(yǔ)義信息檢索的研究不僅具有重要的理論價(jià)值，而且還有實(shí)際的應(yīng)用價(jià)值。本文圍繞林業(yè)科學(xué)數(shù)據(jù)中心現(xiàn)有的八大類(lèi)數(shù)據(jù)，對(duì)林業(yè)科學(xué)數(shù)據(jù)的語(yǔ)義檢索進(jìn)行了深入的研究和探索。通過(guò)本體理論方面的研究，構(gòu)建了林業(yè)科學(xué)數(shù)據(jù)本體，為實(shí)現(xiàn)林業(yè)領(lǐng)域知識(shí)模型的共享和復(fù)用提供了條件。同時(shí)探討了利用本體實(shí)現(xiàn)林業(yè)科學(xué)數(shù)據(jù)語(yǔ)義檢索的一般方法，在上述研究的基礎(chǔ)上，結(jié)合網(wǎng)絡(luò)計(jì)算技術(shù)設(shè)計(jì)開(kāi)發(fā)了林業(yè)科學(xué)數(shù)據(jù)語(yǔ)義檢索系統(tǒng)并進(jìn)行評(píng)價(jià)，為海量林業(yè)科