基于半结构化和语义Web信挖掘的智能搜索技术研究.pptVIP

基于半结构化和语义Web信息挖掘的智能搜索技术研究 Agenda 海量Web数据对信息发现的挑战 半结构化数据 搜索引擎现状和智能化信息检索 Web挖掘技术目前的研究情况 Semantic Web的信息搜索 数据的挑战 每天增加100万个页面，总数超过10亿。 有限的搜索引擎覆盖范围，低于20％。 知识表达方式的限制－无结构、半结构化和多媒体形式。 采用关键字的搜索方法在海量数据检索中能力有限。 数据的挑战 半结构化数据 介于完全结构化数据（如关系型数据库）和完全无结构的数据（纯文本）之间 自描述－数据和结构互相混合 无固定数据模式（Schema） 半结构化数据：HTML,XML… 半结构化数据模型 先有数据，后有模式。 数据模式用于描述数据的结构信息，而不是对数据结构进行强制性的约束无固定数据模式。 模式是非精确的，它可能只描述数据的一部分结构，也可能根据数据处理不同阶段的视角不同而不同 数据模式规模很大而且动态变化。 半结构化数据模式描述形式 基于逻辑的描述形式，如一阶逻辑（First-order Logic）、描述逻辑（Description Logic）及 Datalog。 基于图的描述形式，如Stanford大学提出的对象交换模型（Object Exchange Model，OEM）。 Web查询语言现状 任务-基于内容的查询（根据页面内容查询符合条件的页面）和基