語義搜索關鍵技術研究.pdf

1、搜索引擎旨在幫助用戶有效的獲取信息?，F(xiàn)有的搜索引擎，存在精度不高，查全率偏低的缺點，迫切需要新的搜索模型的出現(xiàn)，語義搜索就是嘗試之一。
　　 鑒于已有語義搜索模型存在的問題，本文提出了一種改進的語義搜索模型。整個模型包括數(shù)據(jù)獲取和處理、用戶查詢理解和擴展、搜索和排序三個部分。數(shù)據(jù)獲取和處理模塊負責從互聯(lián)網中獲取數(shù)據(jù)，通過挖掘分析，抽取出語義明確的對象信息；用戶查詢理解模塊是對用戶輸入的關鍵詞進行理解，并利用本體進行查詢擴展；搜索

2、和排序模塊負責根據(jù)擴展后的詞，在對象庫中進行搜索，搜索結果根據(jù)相似度和重要性進行排序。
　　 本體在語義搜索中地位顯著，為查詢理解和擴展提供根據(jù)，為數(shù)據(jù)分析處理提供支持，所以構建領域本體是語義搜索的核心內容。手工構建本體，不僅費時費力，而且更新緩慢，迫切需要自動或半自動構建本體的方法。本文提出了基于Wikipedia的本體學習(OLBW)算法，從語料庫中自動獲取領域的概念和概念之間關系，主要包括同義關系和上下位關系。該方法分語料

3、庫構建、術語發(fā)現(xiàn)、核心本體構建、本體擴充四個階段。首先通過構建網絡爬蟲(Crawler)，從數(shù)字化圖書館中抓取特定領域的相關網頁信息，構建語料庫；然后通過淺層句法分析，從語料庫中自動獲取領域術語：接著利用Wikipedia中分類(Category)信息構建核心本體；最后基于概念間的語義距離和共現(xiàn)分析，利用機器學習方法對楊心本體中的術語和關系進行擴充，完成本體構建。實驗結果表明，該方法可以產生高質量的領域本體。
　　 本文基于提出