基于语义的Web挖掘信息智能获取研究.pdfVIP

第24卷第6期 齐 齐 哈 尔 大 学 学 报 Vo1．24，No．6 2008年 11月 JournalofQiqiharUniversity Nov．，2008 基于语义的Web挖掘信息智能获取研究 廉佐政 ，邓文新 ，吕洪柱 (齐齐哈尔大学 计算中心，黑龙江 齐齐哈尔 161006) 摘要：目前，基于语义的Web挖掘使语义Web和Web挖掘两个领域结合起来，并在一定程度上促进了各自的发 展。本文介绍了语义Web的体系结构和Web挖掘以及智能Agent的相关概念，并提出了在多Agent框架下构建摹 于语义的Web挖掘信息智能获取系统模型，经过分析说明此模型在一定程度上提高了信息获取的智能化水平。 关键词：语义Web挖掘；多Agent系统；信息智能获取 中图分类号：TP391 文献标识码：A 文章编号：1007—984X(2008)06-0(M0-04 目前，Intemet得到了迅速的发展，它几乎成为汇集各种信息的一个庞杂的 “图书馆”，并且每天都会 有新的网页加入。Internet~经成为人们获取信息的重要来源。面对具有海量信息、形式多样且动态变化的 互联网，如何得到需要的信息，并从中提取出知识内容已经成为 目前信息检索、数据挖掘和知识管理等研 究领域的重要课题。 越来越多的用户利用搜索引擎来获得网上信息。尽管搜索引擎的发展已经比较成熟，但人们在使用中 却发现利用搜索引擎获得自己需要的信息和知识越来越困难。一方面由于传统搜索引擎以基于关键词检索 为主，这种检索方式虽然在一定程度上满足了用户的需求，但会返回太多不相关的信息；另一方面，由于 web数据大部分是非结构化的，这就导致传统的数据挖掘效果不尽人意。为了解决上面的问题，人们开始 使用语义信息来提高Intemet的访问能力。机器可处理的语义信息可以与Agent等智能软件产品进行有效地交 互，也可以对异构的分布在网络中的信息进行智能访问。语义Web挖掘结合了Web挖掘和语义Web这两个研 究领域的成果，可以提高信息获取的智能化程度。 1 相关研究 weh挖掘不同于传统的数据挖掘，它可以对互联网中的非结构化的异构的web文档集合进行有效地挖 掘。Web挖掘通常分为内容挖掘 (WCM)、Web结构挖掘 (WSM)和Web使用记录挖掘 (WUM)川。Web 内容挖掘是从Web文本内容或其描述中抽取知识的过程。它主要研究隐藏在半结构化数据中的模式和数据 实体。研究方法有词频统计、分类算法、机器学习、模式识别、元数据等。Web结构挖掘是从Web站点结 构和页面结构中推导出新的模式和知识。Web使用记录挖掘是从Web使用记录中抽取感兴趣的模式，其研 究的重点是数据预处理和 日志挖掘算法。 语义Web(SemanticWeb)旺是万维网的发明人TimBernersLee提出的下一代的互联网。其核心在于扩 展现有的互联网，使之具有计算机可以理解的语义信息，以便于计算机或智能软件对互联网上的信息进 行有效访问。其体系结构由UNICODE、URI、XML、RDF、ONTOLOGY、LOGIC、PROOF和TRUS嘲 成， 其中XML、RDF和ONTOLOGY是语义Web的核心层。本体 (ONTOLOGY)可以从领域的概念、关系和属性 集出发，建立便于理解和分析的领域知识结构，并支持满足一致陛的领域知识库的开发。同时，本体不仅 可以利用OWL描述语言进行较好的知识表示，还可以在语义Web的基础上根据元数据查找Web页面，并且 使页面的知识结构与推理规则建立关系 。 语义Web挖掘是将Web挖掘和语义Web这两个研究领域结合起来的一个新的研究领域。Web挖掘的结果 收稿13期：2008—08—30 作者简介：廉佐政 (1977一)，男，讲师，在读硕士研究生，主要从事多Agent系统、智能信息处理、数据挖掘方向的研究。 第6期 基于语义的Web挖掘信息智能获取研究 有助于构建语义Web，而语义Web的语义知识使得Web挖掘更易实现，同时也能改善Web挖掘的效果H’。 语义知识的获取一般由领域专家和知识工程师来完成，但人工来完成大量的语义知识获取工作，显然 效率很低。Web挖掘技