語(yǔ)義搜索關(guān)鍵技術(shù)研究.pdf

1、搜索引擎旨在幫助用戶有效的獲取信息。現(xiàn)有的搜索引擎，存在精度不高，查全率偏低的缺點(diǎn)，迫切需要新的搜索模型的出現(xiàn)，語(yǔ)義搜索就是嘗試之一。
　　 鑒于已有語(yǔ)義搜索模型存在的問(wèn)題，本文提出了一種改進(jìn)的語(yǔ)義搜索模型。整個(gè)模型包括數(shù)據(jù)獲取和處理、用戶查詢理解和擴(kuò)展、搜索和排序三個(gè)部分。數(shù)據(jù)獲取和處理模塊負(fù)責(zé)從互聯(lián)網(wǎng)中獲取數(shù)據(jù)，通過(guò)挖掘分析，抽取出語(yǔ)義明確的對(duì)象信息；用戶查詢理解模塊是對(duì)用戶輸入的關(guān)鍵詞進(jìn)行理解，并利用本體進(jìn)行查詢擴(kuò)展；搜索

2、和排序模塊負(fù)責(zé)根據(jù)擴(kuò)展后的詞，在對(duì)象庫(kù)中進(jìn)行搜索，搜索結(jié)果根據(jù)相似度和重要性進(jìn)行排序。
　　 本體在語(yǔ)義搜索中地位顯著，為查詢理解和擴(kuò)展提供根據(jù)，為數(shù)據(jù)分析處理提供支持，所以構(gòu)建領(lǐng)域本體是語(yǔ)義搜索的核心內(nèi)容。手工構(gòu)建本體，不僅費(fèi)時(shí)費(fèi)力，而且更新緩慢，迫切需要自動(dòng)或半自動(dòng)構(gòu)建本體的方法。本文提出了基于Wikipedia的本體學(xué)習(xí)(OLBW)算法，從語(yǔ)料庫(kù)中自動(dòng)獲取領(lǐng)域的概念和概念之間關(guān)系，主要包括同義關(guān)系和上下位關(guān)系。該方法分語(yǔ)料

3、庫(kù)構(gòu)建、術(shù)語(yǔ)發(fā)現(xiàn)、核心本體構(gòu)建、本體擴(kuò)充四個(gè)階段。首先通過(guò)構(gòu)建網(wǎng)絡(luò)爬蟲(chóng)(Crawler)，從數(shù)字化圖書(shū)館中抓取特定領(lǐng)域的相關(guān)網(wǎng)頁(yè)信息，構(gòu)建語(yǔ)料庫(kù)；然后通過(guò)淺層句法分析，從語(yǔ)料庫(kù)中自動(dòng)獲取領(lǐng)域術(shù)語(yǔ)：接著利用Wikipedia中分類(Category)信息構(gòu)建核心本體；最后基于概念間的語(yǔ)義距離和共現(xiàn)分析，利用機(jī)器學(xué)習(xí)方法對(duì)楊心本體中的術(shù)語(yǔ)和關(guān)系進(jìn)行擴(kuò)充，完成本體構(gòu)建。實(shí)驗(yàn)結(jié)果表明，該方法可以產(chǎn)生高質(zhì)量的領(lǐng)域本體。
　　 本文基于提出