旅游數(shù)據(jù)關(guān)聯(lián)化及語義相似度計(jì)算并行化研究與實(shí)現(xiàn).pdf

1、隨著信息時(shí)代的到來，網(wǎng)絡(luò)上的數(shù)據(jù)呈指數(shù)級(jí)的增加，由于數(shù)據(jù)的自治性、異構(gòu)性和分布性特點(diǎn)，造成“信息孤島”，數(shù)據(jù)的復(fù)用和共享大大地下降。關(guān)聯(lián)數(shù)據(jù)的出現(xiàn)解決了這一難題。旅游與當(dāng)今人們的生活息息相關(guān)，旅游信息化發(fā)展水平是衡量現(xiàn)代旅游產(chǎn)業(yè)的重要標(biāo)志。旅游信息系統(tǒng)往往包含點(diǎn)評(píng)、圖片、視頻，還要和周邊的住宿、吃飯、交通、購物、娛樂等信息聯(lián)系在一起，過去的旅游網(wǎng)站采用萬維網(wǎng)技術(shù)，往往就是很多html組合而成，網(wǎng)站既不能被計(jì)算機(jī)理解，人們也無法通過它進(jìn)行

2、很好的互動(dòng)。由于語義網(wǎng)的發(fā)展，計(jì)算機(jī)變得更加智能化，大多數(shù)的資源具有開放性，通過對(duì)旅游服務(wù)信息采集、處理和利用，并與其它數(shù)據(jù)相關(guān)聯(lián)，現(xiàn)代旅游能夠消除數(shù)據(jù)豎井，實(shí)現(xiàn)跨區(qū)域、跨行業(yè)、跨部門的資源共享，最大限度地提升旅游信息資源的價(jià)值。
　　本文通過查閱國家相關(guān)標(biāo)準(zhǔn)規(guī)范，分析了實(shí)際旅游數(shù)據(jù)并在領(lǐng)域?qū)＜抑笇?dǎo)下，按照定義類、定義屬性、創(chuàng)建實(shí)例、本體化實(shí)現(xiàn)四個(gè)步驟，構(gòu)建旅游本體描述旅游領(lǐng)域的概念。關(guān)聯(lián)數(shù)據(jù)語義發(fā)現(xiàn)的核心是關(guān)聯(lián)數(shù)據(jù)語義相似度計(jì)算

3、。針對(duì)關(guān)聯(lián)旅游資源數(shù)據(jù)集中的語義相似度計(jì)算效率進(jìn)行研究。根據(jù)建立的旅游本體，使用JENA將本體的OWL文件轉(zhuǎn)換成RDF三元組，并解析實(shí)現(xiàn)關(guān)聯(lián)，分析研究3種經(jīng)典RDF相似度計(jì)算方法，采用MapReduce并行化計(jì)算框架，設(shè)計(jì)出關(guān)聯(lián)數(shù)據(jù)語義相似度的并行化計(jì)算方法，以提高大規(guī)模關(guān)聯(lián)數(shù)據(jù)語義發(fā)現(xiàn)效率。最后，在Hadoop平臺(tái)上構(gòu)建集群，對(duì)已建立的旅游本體中解析出的 RDF數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，Hadoop集群上實(shí)現(xiàn)的并行化相似度算法與傳統(tǒng)