基于知網(wǎng)和領(lǐng)域本體的Web信息檢索機(jī)制研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展和網(wǎng)上資源的極大豐富，如何快速準(zhǔn)確地檢索到用戶所需的信息成為很多人關(guān)注的焦點(diǎn)。傳統(tǒng)的基于關(guān)鍵字的Web信息檢索方式，由于大多數(shù)關(guān)鍵字本身具有語(yǔ)義多義性和領(lǐng)域模糊性，再加上用戶需求描述的模糊性，所以往往難以用一個(gè)或幾個(gè)關(guān)鍵字表達(dá)出用戶真正的檢索要求。針對(duì)上述問(wèn)題，并考慮到Web文檔中的超鏈接資源的重要性，本文研究了如何對(duì)用戶查詢進(jìn)行擴(kuò)展，以及如何結(jié)合Web文檔的內(nèi)容和超鏈結(jié)構(gòu)進(jìn)行更準(zhǔn)確的信息檢索，具體的研究成果有以下三

2、條： 第一，本文提出了用知網(wǎng)和領(lǐng)域本體依次從通用性和領(lǐng)域針對(duì)性兩個(gè)角度對(duì)用戶查詢進(jìn)行理解、推理和擴(kuò)展的方法，從而對(duì)用戶檢索意圖有了一個(gè)更加清晰全面的理解。本文使用知網(wǎng)免費(fèi)版本-Hownet2000，它提供了獨(dú)立且較為完備的概念詞典。在熟悉知網(wǎng)建設(shè)思想和概念詞典結(jié)構(gòu)的基礎(chǔ)上，本文提出了十種用戶查詢擴(kuò)展模式，用于對(duì)用戶查詢進(jìn)行詞匯和語(yǔ)法層次上的理解。此后，我們基于領(lǐng)域本體對(duì)經(jīng)知網(wǎng)擴(kuò)展后的用戶查詢進(jìn)行更具針對(duì)性的語(yǔ)義和知識(shí)層次的擴(kuò)展，

3、并且要對(duì)擴(kuò)展后的查詢關(guān)鍵字計(jì)算權(quán)值。本文采用的是基于語(yǔ)料庫(kù)統(tǒng)計(jì)的方法來(lái)計(jì)算擴(kuò)展關(guān)鍵字和初始關(guān)鍵字之間的概念相似度，以此來(lái)確定擴(kuò)展關(guān)鍵字的權(quán)值。 第二，本文的Web信息檢索方法結(jié)合了基于Web文檔內(nèi)容的信息檢索和基于Web超鏈結(jié)構(gòu)的信息檢索兩種思路。首先用擴(kuò)展后的用戶查詢對(duì)Web文檔進(jìn)行基于內(nèi)容的信息檢索，根據(jù)一定的閾值標(biāo)準(zhǔn)從檢索結(jié)果中選取一定數(shù)量的文檔作為后續(xù)檢索的根集，然后用改進(jìn)的ARC超鏈接分析算法對(duì)擴(kuò)展后的根集文檔進(jìn)行基于

4、超鏈結(jié)構(gòu)分析的信息檢索。綜合這兩步檢索步驟所得到的Web文檔組成了最后的輸出結(jié)果集。 第三，在對(duì)上述的用戶查詢擴(kuò)展方法和Web文檔信息檢索算法進(jìn)行了清晰地描述和分析后，筆者設(shè)計(jì)開發(fā)出了一個(gè)針對(duì)特定領(lǐng)域的搜索引擎系統(tǒng)。該系統(tǒng)是基于Lucene+EclipSe+Tomcat的Web系統(tǒng)，有專門的基于知網(wǎng)的查詢擴(kuò)展模式配置頁(yè)面，并用Jena語(yǔ)義開發(fā)包對(duì)領(lǐng)域本體進(jìn)行推理查詢，提取本體知識(shí)以實(shí)現(xiàn)對(duì)用戶查詢的理解和擴(kuò)展。實(shí)驗(yàn)結(jié)果表明，本文提