時空要素驅動的事件網頁信息檢索方法研究.pdf

1、本文依托國家“863”課題“泛在空間信息關聯(lián)更新與面向主題時空信息挖掘研究”，探索面向事件的網頁文本獲取與檢索服務方法，為多源網絡信息的結構化表達、事件時空序列重構、可視化和挖掘分析提供數(shù)據(jù)支撐。本文圍繞事件網頁文本“數(shù)據(jù)獲取—組織管理—檢索服務”的技術主線，通過分析中文網頁文本中事件信息的語言描述和信息組織特征，以自然災害事件為例，開展了時空要素驅動的事件網頁信息檢索引擎關鍵技術研究。主要研究內容與結論包括以下幾個方面:
　　(

2、1)時空要素驅動的事件網頁獲取:通過對描述事件網頁文本內容及特征進行分析，構建以時間、空間位置和事件主題為基本要素的事件表達模板;依據(jù)事件表達模板中的內容，定制網絡爬蟲以獲取描述事件的網頁文本。實驗表明，與傳統(tǒng)爬蟲相比，基于事件表達模板構建的事件主題爬蟲具有良好的網頁過濾功能，獲取的網頁具有較高的精度，但是因為在主題爬蟲中引入了大量的計算，導致該爬蟲的性能相對有所下降。
　　(2)事件網頁“時間—空間—主題”分布式索引與存儲:利用

3、規(guī)則模型和條件隨機場模型實現(xiàn)了網頁文本中事件相關時間、空間位置和主題信息抽取，提出了基于支持向量機模型的網頁文本事件分類方法;構建了基于“時間—空間—主題”的分布式索引，以解決檢索效率低的問題;基于HBase數(shù)據(jù)庫和HDFS文件系統(tǒng)，實現(xiàn)了海量網頁文本的分布式存儲。
　　(3)“文—圖”交互式事件網頁信息檢索服務:通過歸納總結用戶檢索語句的描述特點，實現(xiàn)了事件信息檢索語句的自動解析;借鑒同義詞林的詞匯組織方式，構建自然災害事件領域