基于RDF语义标注领域主题描述方法研究.docVIP

基于RDF语义标注领域主题描述方法研究 　　为了更准确、直观的表达Web文档的主题，本文提出了一种基于RDF语义标注的领域文档主题描述方法。该方法为RDF文件中的每个领域词汇定义一个权重值，利用领域本体中定义的词汇之间的相互影响关系更新每个词汇的权重，并依此扩充描述文档主题的词汇集，最终依据按权值排序的词汇集来表达文档主题。实验结果表明，该方法能够较好的描述领域文档的主题。 　　【关键词】文档主题 领域本体 词汇权重 　　1 引言 　　语义标注依据本体对文档进行语义描述，尽最大可能标注出文档内的“资源-属性-属性值”三元组关系，使机器更好的理解文档内容。RDF是W3C推荐的一种信息描述方式。RDF定义了资源-属性-属性值三元组框架，用来描述Web上的各种资源。而在文档中增加关于主题的三元组能更好的帮助机器理解文档的内容。领域文档具有其特殊性，专业术语频繁出现且语义歧义性少，同时领域本体相对容易建立，能更好的表达概念之间的关系。充分利用这些特性，可以更好的描述文档的主题。因此，本文提出了一种基于RDF语义标注的领域文档主题描述方法。 　　2 算法 　　2.1 算法思想 　　虽然词频统计法采用词频作为权重能在一定程度上表达文档主题，但这种方法将每个概念、属性和实例与文档割离开来，单独分析，忽视了词汇间的关系。假设有一篇文档通篇都在描述玉米的各种常见病，玉米螟、大斑病等，