基于語義相似度計(jì)算的Deep Web數(shù)據(jù)庫檢索方案研究.pdf

1、隨著互聯(lián)網(wǎng)行業(yè)的快速發(fā)展，我們正處在一個信息快速增長的年代，并且在海量增長的信息中往往蘊(yùn)含著大量有價值的數(shù)據(jù)。雖然在日常生活中，我們可以通過各種搜索引擎解決我們的需求，但是有時候搜索出來的信息，往往在信息相關(guān)的程度和精度上，與我們期望的存在著差異，從而不能夠完全滿足我們的搜索需求。通常我們使用的一些搜索引擎，比如Baidu、Google、Yahoo等等，往往都是通過網(wǎng)絡(luò)爬蟲技術(shù)，將相關(guān)的網(wǎng)站頁面首先抓取到自身的服務(wù)器上。我們在對關(guān)鍵詞進(jìn)

2、行搜索的時候，實(shí)際上是直接查詢本地相關(guān)文件，反映給我們的往往也是一些靜態(tài)的網(wǎng)頁數(shù)據(jù)。日常范圍內(nèi)的搜索，我們很難通過關(guān)鍵詞的簡單查詢完全獲得DeepWebDB的數(shù)據(jù)，從而損失了海量有價值數(shù)據(jù)信息。
　　本文提出了基于語義相似度計(jì)算的DeepWeb數(shù)據(jù)庫檢索方法，該方法的目的在于將語義相似度的計(jì)算方法運(yùn)用于數(shù)據(jù)庫檢索當(dāng)中去，最終將該方法同傳統(tǒng)搜索引擎有效結(jié)合，更加滿足用戶搜索需求。本文首先簡要的介紹了幾種常見的語義相似度的計(jì)算方法，最

3、后結(jié)合各自的優(yōu)點(diǎn)，將同義詞詞林（哈工大版）和知網(wǎng)(HowNet)有效結(jié)合，提出了一種改進(jìn)的語義相似度的計(jì)算方法。通過計(jì)算關(guān)鍵詞和屬性詞典對應(yīng)屬性列之間的相關(guān)聯(lián)度，在基于閾值的匹配算法的基礎(chǔ)上，確定當(dāng)前關(guān)鍵詞的查詢的搜索范圍，挖掘出潛在于DeepWeb數(shù)據(jù)庫中與關(guān)鍵詞有關(guān)聯(lián)的信息。通過對DeepWeb數(shù)據(jù)庫的相應(yīng)查詢，最終將查詢的結(jié)果通過有效的形式反饋給當(dāng)前用戶。
　　由于當(dāng)前DeepWeb下中文測試數(shù)據(jù)庫相對較少，我們采用的是某校