旅游數(shù)據(jù)關聯(lián)化及語義相似度計算并行化研究與實現(xiàn).pdf

1、隨著信息時代的到來，網(wǎng)絡上的數(shù)據(jù)呈指數(shù)級的增加，由于數(shù)據(jù)的自治性、異構性和分布性特點，造成“信息孤島”，數(shù)據(jù)的復用和共享大大地下降。關聯(lián)數(shù)據(jù)的出現(xiàn)解決了這一難題。旅游與當今人們的生活息息相關，旅游信息化發(fā)展水平是衡量現(xiàn)代旅游產(chǎn)業(yè)的重要標志。旅游信息系統(tǒng)往往包含點評、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，往往就是很多html組合而成，網(wǎng)站既不能被計算機理解，人們也無法通過它進行

2、很好的互動。由于語義網(wǎng)的發(fā)展，計算機變得更加智能化，大多數(shù)的資源具有開放性，通過對旅游服務信息采集、處理和利用，并與其它數(shù)據(jù)相關聯(lián)，現(xiàn)代旅游能夠消除數(shù)據(jù)豎井，實現(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值。
　　本文通過查閱國家相關標準規(guī)范，分析了實際旅游數(shù)據(jù)并在領域?qū)＜抑笇?，按照定義類、定義屬性、創(chuàng)建實例、本體化實現(xiàn)四個步驟，構建旅游本體描述旅游領域的概念。關聯(lián)數(shù)據(jù)語義發(fā)現(xiàn)的核心是關聯(lián)數(shù)據(jù)語義相似度計算

3、。針對關聯(lián)旅游資源數(shù)據(jù)集中的語義相似度計算效率進行研究。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，并解析實現(xiàn)關聯(lián)，分析研究3種經(jīng)典RDF相似度計算方法，采用MapReduce并行化計算框架，設計出關聯(lián)數(shù)據(jù)語義相似度的并行化計算方法，以提高大規(guī)模關聯(lián)數(shù)據(jù)語義發(fā)現(xiàn)效率。最后，在Hadoop平臺上構建集群，對已建立的旅游本體中解析出的 RDF數(shù)據(jù)進行實驗。實驗結果表明，Hadoop集群上實現(xiàn)的并行化相似度算法與傳統(tǒng)