Web主题信息检索中语义检索技术研究及应用.pdf

摘 要 随着互联网的不断壮大，WEB已成为当今最大的信息载体，是人们获取信息 的主要来源。信息检索技术作为人们获取信息的最主要的手段之一已得到了迅速 的发展，但日益增长的网络信息资源，使得人们准确检索的需求并不能得到很好 的满足，同时，WEB信息也无法被自动处理和有效利用。其中，最主要的原因在 于：过大的资源基数使得通用检索系统返回的信息广而不精，且主题漂移现象频 繁出现，用户将浪费较多的时间和精力来获取有用信息；另一方面，语义孤岛现 象，即网络信息异构、服务异构以及人机理解的差别使得检索系统的有效召回率 和召回精度都大打折扣。 作为语义网核心的本体技术承担着语义表达的重要责任，通过本体支持语义， 支持人机之间的交流，从而实现机器智能，为Web的发展带来了新的契机。本体 在主题搜索引擎中的应用，必将对信息检索系统的易用性和效率产生极大的改进， 从而最大程度迎合用户的检索需求。基于此，本文设计并构建了一个基于本体的 主题信息检索原型系统，力求一定程度上提高信息的有效利用率和检索系统的效 率。主要研究内容和创新有如下几个方面： ①构建了一个计算机技术领域中文本体。在现有本体理论、构建方法和技术 的基础上，综合应用需求，对传统的本体建模方法进行了改进和完善。一方面， 为确保概念的质量，本文综合筛选科研文献关键词、分类主题词表和一些通用知 识库中的概念；另一方面，以应用需求为导向，明确本体构建目的，一定程度上 减少了细节的干扰。基于此，论文设计并半自动构造了一个计算机技术领域的中 文本体，并进行了相关查询实验，为进一步基于本体的语义信息检索应用研究做 铺垫。 ②基于本体的查询扩展实现。基于关键词匹配的通用搜索引擎无法应付语义 孤岛现象，因此，我们采用概念匹配，即对其进行语义扩展，以求解决相关、相 似的信息由于主题词表达方式的不同而无法被系统检索和返回。本文的查询扩展 主要是基于概念间的关联程度。鉴于两个概念之间的关联度不仅与其概念之间定 义的内在关系(包括公有属性等)有关，还与其在本体树中的分布距离相关，也 即由结构内和结构外两因素主导，前者简称为相关度，后者为相似度。本文在现 有相似度算法研究基础之上，综合需求，对最终概念关联算法进行了改进，并以 此设计和实现了一个适合本文原型系统的扩展算法。 ③基于本体的主题信息检索原型系统的设计与构建。包括本体查询子系统和 Web主题语义检索系统两大模块。一方面，为了方便用户对领域概念和知识系统 进行了解和随时查询，同时也为规范主题信息检索系统中查询的概念表述，论文 设计并构建了一个简单的本体查询子系统，查询内容有本体概念、属性以及关系 等，并以本体树的形式对本体进行整体表述。另一方面，在已研究实现的领域本 体、概念相似度计算以及查询扩展模块的基础上，论文设计并成功实现了一个Web 主题语义检索系统，以期改进通用搜索引擎的效率。 为了验证改进算法的有效性以及检索系统的效率，文章最后进行了对比实验， 实验结果表明，基于本体的主题查询系统能很好的扩展并返回查询相关信息，一 定程度上提高了基于关键词匹配检索系统的召回精度和召回率。 关键词：语义网；本体；主题检索；语义相似度；查询扩展 ABSTRACT Withthe of hasbecomethe Intemet，Web continuingdevelopment largest information obtaininformation oneof carrier,where mainlyfrom．Currently,as people themost meansof retrieval information,informationtechnology important obtaining