基于本體的語義網(wǎng)爬蟲的算法研究和應(yīng)用實現(xiàn).pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論