非結構化網(wǎng)絡空間信息智能搜索與服務研究.pdf

1、非結構化數(shù)據(jù)占據(jù)了網(wǎng)絡信息資源的大部分內(nèi)容，它是網(wǎng)絡搜索引擎的主要數(shù)據(jù)來源和研究對象。非結構化空間數(shù)據(jù)是網(wǎng)絡信息資源的重要組成部分，研究非結構化網(wǎng)絡空間信息智能搜索與服務是通用搜索引擎在空間信息領域提供專業(yè)化信息服務的主要研究內(nèi)容。它是搜索引擎技術與WebGIS等技術相結合的產(chǎn)物，可以為普通用戶提供本地信息服務(LocalService)和空間信息檢索工具，符合當今信息檢索技術朝著智能化、個性化方向發(fā)展的潮流。 作為“863”項

2、目“空間信息智能網(wǎng)絡搜索技術”的延續(xù)，本文以網(wǎng)絡搜索引擎技術為基礎，結合自然語言處理、GIS和信息提取等技術，對非結構化Web空間信息的智能獲取、加工、服務方法進行了深入、系統(tǒng)的研究和實踐。按照文本粒度的大小，本文分別在詞、句、篇、篇層等層面上研究了空間命名實體的識別、空間語義分析、空間概念提取、錨文本層次結構語義索引等關鍵技術。利用這些技術，本文設計實現(xiàn)了地圖網(wǎng)頁搜索系統(tǒng)、“詞虎”搜索器及“文圖智通”的原型系統(tǒng)，并將這些技術和方法融入

3、到非結構化Web空間信息智能搜索與服務系統(tǒng)(SIISE)的設計和實現(xiàn)中，初步構造出一個完整的空間信息搜索系統(tǒng)雛形。具體說來，主要開展了以下研究工作： [1]研究了海量空間命名實體(SNE)在線識別問題。在分析一般命名實體識別方法的基礎上，提出利用SNE的空間特性、采用地理編碼的手段在線識別單句、全文中SNE的技術思想。對于單句，利用基礎地名詞典進行切詞，通過編碼分析和SNE單元合并的策略進行識別；對于全文，利用全文粗掃描獲取相關

4、的地理編碼，通過編碼分析鎖定文中涉及的空間范圍，然后按照一定的策略自動加載匹配詞典識別文中其它SNE。實驗表明，這種方法能識別出大量在詞典中不存在的組合式SNE，系統(tǒng)具備一定的自適應性，較好地解決了因命名實體詞典數(shù)量龐大而導致的低效率問題。 [2]研究了自然語言中的空間語義分析與空間概念提取方法。根據(jù)漢語表達空間概念的特點以及GIS表征空間信息的特點定義了空間語義角色，并利用空間語義角色定義了空間概念的形式化描述方法，提出了利用

5、空間語義角色分析自然語言中的空間語義和空間概念基本思路。方法是：先構造空間語義詞典，采用淺層句法分析的原理，通過空間語義角色標注、短語識別以及概念模式匹配等手段提取了文本中的空間概念。初步實驗顯示，該方法具有較好的準確率，召回率還有待提高。 [3]探索了錨文本層次結構語義索引檢索機制。在深入剖析錨文本的特征以及網(wǎng)站錨文本層次結構語義后發(fā)現(xiàn)：從網(wǎng)站鏈接結構中抽取出的錨文本層次結構樹在一定程度上反映了創(chuàng)建者表達某類知識時使用的概念層

6、次圖，結構樹中同路徑結點上的錨文本間的層次關系與用戶用多關鍵詞進行邏輯“與”操作時所隱含的查詢語義相近。利用這種特性本文提出了在搜索引擎中利用這種隱形語義的基本思想，具體闡述了利用編碼的方法實現(xiàn)錨文本層次結構語義索引和檢索方法，并用RDF/RDFS進行了描述，以擴展它在語義Web等方面的應用。 [4]研究了Web中地圖網(wǎng)頁的搜索與識別技術，設計實現(xiàn)了地圖網(wǎng)頁搜索系統(tǒng)。用實驗證實了地圖網(wǎng)頁中常表現(xiàn)出的這樣一種特性：網(wǎng)頁中地圖圖片或

7、地圖對象的視圖面積通常是最大的，且其長寬比常在一定的范圍內(nèi)變動。根據(jù)這一特性，本文提出了基于圖片視圖大小特征與外部關鍵詞信息相結合的方法識別地圖網(wǎng)頁，并利用元搜索引擎的基本原理設計了地圖網(wǎng)頁搜索系統(tǒng)。該系統(tǒng)成為“863”項目“空間信息智能網(wǎng)絡搜索技術”的主要模塊之一 [5]拓展了研究成果的應用問題。利用空間命名實體識別技術，設計實現(xiàn)了“文圖智通”及“詞虎”搜索器的原型系統(tǒng)，并作為主要成員之一參加了“詞虎2.0”的開發(fā)。同時，以該

8、技術為基礎，還設計了中文地址智能匹配算法。另外，利用空間語義分析與概念提取技術，對地理本體實例搜索與服務問題做了較為細致的研究，并對其在軍事文書自動標圖中的應用作了簡要分析。 [6]設計開發(fā)了非結構化空間信息智能搜索原型系統(tǒng)，實現(xiàn)了其中大部分功能。該系統(tǒng)采用機器人搜索引擎的基本架構，突出了空間信息獲取、加工和檢索處理，并將本文中提出主要技術思想融合在一起，初步構建出一個完整的空間搜索系統(tǒng)雛形。 本文主要創(chuàng)新點和原創(chuàng)性的工

9、作體現(xiàn)在以下兩點： [1]發(fā)現(xiàn)Web信息檢索中這樣一種特性：網(wǎng)站創(chuàng)建者在構建錨文本層次結構圖時所表達的概念間的層次語義與用戶用多關鍵詞進行邏輯“與”操作時所隱含的查詢語義相近。提出了在搜索引擎中利用錨文本層次結構語義的基本思想，并給出了層次結構樹的構造方法、編碼方式、倒排索引方式以及錨文本層次結構語義檢索方法。它對于基于關鍵詞的搜索引擎提供語義級的檢索結果有重要的參考價值。 [2]用實驗證實了地圖網(wǎng)頁中常表現(xiàn)出這樣的特性

10、：網(wǎng)頁中地圖圖片或地圖對象的視圖面積通常是最大的，且其長寬比值常在一定的范圍內(nèi)變動。利用這種特性，提出了基于圖片視圖大小特征與外部關鍵詞信息相結合的方法識別地圖網(wǎng)頁，較好地解決了從普通網(wǎng)頁中分離出地圖網(wǎng)頁的問題。該方法已應用于基于元搜索的地圖網(wǎng)頁搜索系統(tǒng)中。 此外，還有一些技術創(chuàng)新或應用創(chuàng)新性的工作，主要表現(xiàn)在以下幾方面： [1]提出了利用SNE的空間特性、采用地理編碼的手段在線識別單句、全文中SNE的技術思想和實現(xiàn)方法

11、。該方法能識別出大量詞典中不存在的組合式SNE，具備一定的自適應性，較好地解決了因命名實體詞典數(shù)量龐大而導致的低效率問題。該技術已應用于“詞虎”系列產(chǎn)品中。 [2]定義了空間語義角色，提出了利用空間語義角色和淺層句法分析的方法進行空間語義分析和空間概念提取。它為空間信息智能化服務提供了途徑。 [3]提出了空間信息啟發(fā)式搜索模式。通過計算錨文本中空間命名實體的出現(xiàn)情況以及URL目錄深度來衡量網(wǎng)頁相對重要度，使重要URL優(yōu)先