網(wǎng)頁數(shù)據(jù)多層語義抽取技術(shù)研究.pdf

1、網(wǎng)絡(luò)數(shù)據(jù)是分層處理的，數(shù)據(jù)的語義信息存在于網(wǎng)絡(luò)體系結(jié)構(gòu)的每一層中?；谶@一思想，提出了一種網(wǎng)絡(luò)數(shù)據(jù)多層語義描述方法。將網(wǎng)絡(luò)數(shù)據(jù)語義分為弱、中、強(qiáng)三個(gè)語義域，不僅描述其主題、關(guān)鍵詞、標(biāo)題等內(nèi)容語義，也描述其地址、協(xié)議、服務(wù)質(zhì)量等物理信息，以及熱度、重復(fù)度等統(tǒng)計(jì)信息，全面反映網(wǎng)絡(luò)數(shù)據(jù)的語義特性。
　　 本文在分析網(wǎng)絡(luò)分層結(jié)構(gòu)和各層協(xié)議的基礎(chǔ)上，定義網(wǎng)頁exUCL標(biāo)簽來描述網(wǎng)頁數(shù)據(jù)語義信息，建立網(wǎng)頁數(shù)據(jù)多層語義抽取系統(tǒng)，對網(wǎng)頁數(shù)據(jù)進(jìn)行

2、分層語義抽取。闡述了該系統(tǒng)中各模塊功能的實(shí)現(xiàn)方法，對各模塊中分別涉及的關(guān)鍵技術(shù)等進(jìn)行了研究。設(shè)計(jì)了各個(gè)模塊的算法流程圖，在實(shí)驗(yàn)室環(huán)境下，通過在線和離線分析數(shù)據(jù)包，成功抽取出了網(wǎng)頁exUCL語義標(biāo)簽各語義域字段的大部分字段內(nèi)容。生成了標(biāo)簽，實(shí)現(xiàn)了課題研究的對網(wǎng)頁數(shù)據(jù)進(jìn)行分層語義抽取的目的。
　　 最后研究了基于標(biāo)簽庫的句子相似度計(jì)算方法，為以后構(gòu)筑exUCL語義向量空間，通過計(jì)算語義向量相似度實(shí)現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)的語義映射奠定了基礎(chǔ)。