基于本體的語義網(wǎng)爬蟲的算法研究和應(yīng)用實現(xiàn).pdf

1、語義網(wǎng)是在萬維網(wǎng)的基礎(chǔ)上進行擴展形成的。語義網(wǎng)對網(wǎng)絡(luò)中的數(shù)據(jù)加入語義信息以幫助語義網(wǎng)應(yīng)用能夠在語義層面對數(shù)據(jù)進行理解并進行處理。近些年,語義網(wǎng)飛速發(fā)展,符合語義網(wǎng)標準的語義信息數(shù)量迅速增長,對這些信息進行有效的處理和解析可以為用戶提供高質(zhì)量的服務(wù)。語義搜索引擎就是這樣的一個典型的語義網(wǎng)應(yīng)用,它充分利用語義信息,將語義信息有效的組織并提供給用戶進行語義相關(guān)的查詢。而語義專題搜索引擎則更加充分的發(fā)揮了語義信息的特點,利用語義分析將主題相關(guān)的

2、信息進行組織和檢索,最終為用戶提供準確的搜索結(jié)果。
　　 在語義專題搜索引擎框架中,語義專題爬蟲是重要的部件之一。它負責搜集與主題相關(guān)的語義信息并對其進行初步的處理,例如語義信息的分類、存儲以及元數(shù)據(jù)的抽取等。語義專題爬蟲面臨的問題是,如何在海量的語義信息中準確高效的獲得與主題相關(guān)的語義資源。語義專題爬蟲需要對語義信息進行內(nèi)容判斷、計算語義信息與主題的相關(guān)性、篩選與主題相關(guān)的信息并保存到數(shù)據(jù)存儲中。同時,語義專題爬蟲的效率也是相

3、關(guān)研究的主要內(nèi)容之一。
　　 因此,針對語義專題爬蟲的準確性和效率問題,本文分別提出了相應(yīng)的方法予以解決。對于語義信息內(nèi)容的主題相關(guān)性判斷問題,本文提出了判斷語義文檔的主題相關(guān)度的方法。方法將語義文檔和領(lǐng)域本體表示為圖形結(jié)構(gòu)并通過計算圖形結(jié)構(gòu)之間的相似度來判斷文檔的主題相關(guān)度。在優(yōu)化語義專題爬蟲的效率方面,本文提出了Q學(xué)習結(jié)合貝葉斯分類器的路徑預(yù)測算法(以下簡稱QBLP算法),QBLP算法通過計算頁面主題相關(guān)度來作為Q學(xué)習器的回

4、報函數(shù),并利用回報函數(shù)對貝葉斯分類器的先驗概率和條件概率進行調(diào)整,使先驗概率和條件概率逐步趨近于真實值,以此來提高爬蟲獲取主題相關(guān)語義文檔的性能。除了對算法進行研究,本文基于上述算法實現(xiàn)了語義專題爬蟲FOCSEW系統(tǒng)。
　　 論文在以下方面作了有益的探索和創(chuàng)新性工作。
　　 (1)基于最大概率密度的聚類方法。在語義文檔的圖形表示方法中,為了對語義文檔中的所有代表實體的關(guān)鍵詞進行語義消歧并組織成圖形結(jié)構(gòu),本文提出了基于最大

5、概率密度的聚類方法。一個關(guān)鍵詞可以包含多重概念,關(guān)鍵詞和其在具體文檔中概念的對應(yīng)關(guān)系具有一定的概率性。最大概率密度就是一種包含了這樣的概率信息的語義距離衡量標準。本文以最大概率密度為基礎(chǔ)進行基于密度的聚類形成簇,再將簇中的所有概念連接形成的圖形結(jié)構(gòu)作為語義文檔的內(nèi)容表示。
　　 (2)針對語義專題爬蟲的路徑調(diào)整算法進行了分析和闡述。面對大量位置分散的語義文檔,對文檔內(nèi)容的分析以及爬行路徑的預(yù)測和篩選顯得非常重要。本文提出了利用W

6、ordNet本體作為指導(dǎo)的語義文檔圖形表示方法,方法可以準確的將語義文檔的內(nèi)容表示為圖形結(jié)構(gòu)。在此基礎(chǔ)上,本文提出了由Q學(xué)習器通過學(xué)習為貝葉斯分類器提供先驗概率的QBLP爬蟲路徑調(diào)整算法。QBLP方法通過累計語義文檔和語義鏈接特征的知識,調(diào)整爬蟲爬行路徑,提高爬蟲的性能。這個目標在實驗中得到了驗證。
　　 本課題是在語義網(wǎng)搜索引擎研究框架下的重點模塊之一。語義專題爬蟲主要的目標是搜集與主題相關(guān)的語義文檔供用戶通過語義搜索引擎進行