RDF圖的語(yǔ)義相似性度量方法研究.pdf

1、隨著互聯(lián)網(wǎng)上數(shù)據(jù)的急劇增長(zhǎng),關(guān)鍵字檢索的不足逐漸顯現(xiàn)出來(lái)。關(guān)鍵字檢索只能提供有限的結(jié)構(gòu)化查詢能力,丟失語(yǔ)義信息;此外,關(guān)鍵字檢索不具備查詢優(yōu)化的能力,造成返回的檢索結(jié)果數(shù)據(jù)量巨大。用戶從互聯(lián)網(wǎng)上獲取所需信息的難度越來(lái)越大。
　　 對(duì)象級(jí)別信息檢索可以有效地解決關(guān)鍵字檢索的問(wèn)題,它已經(jīng)引起越來(lái)越多的關(guān)注和研究。對(duì)象級(jí)別信息檢索以對(duì)象的觀點(diǎn)來(lái)建模關(guān)系數(shù)據(jù),直觀的描述了信息的語(yǔ)義,檢索結(jié)果不是僅包含關(guān)鍵字的文本信息而是包含完整實(shí)體信息

2、的對(duì)象,容易被用戶理解。為了實(shí)現(xiàn)對(duì)象級(jí)別信息檢索,選擇一種描述對(duì)象的工具是至關(guān)重要的,本文選用RDF來(lái)描述對(duì)象。RDF是W3C組織推薦的描述萬(wàn)維網(wǎng)上元數(shù)據(jù)的標(biāo)準(zhǔn),因此越來(lái)越多的信息通過(guò)RDF圖來(lái)描述。
　　 本文對(duì)主流的RDF圖表示對(duì)象的語(yǔ)義相似性度量方法進(jìn)行了研究,分析其優(yōu)缺點(diǎn),提出了SaS(StructureandSemantics)方法。SaS方法改進(jìn)了RadowOldakowski(RO方法)的RDF圖語(yǔ)義相似度算法,反