結合編輯距離和Google距離的語義標注方法研究.pdf

1、Web已經(jīng)成為人類獲取信息和得到服務主要方式之一，Internet技術的高速發(fā)展使它成為了一個龐大的知識庫，但同時也帶來了許多問題。首先，Web規(guī)模的膨脹使得整個Web上的有用信息無法得到有效的利用，人們在這海量的信息中獲取“知識”的難度增大；其次，在當前Web中計算機的主要作用是顯示信息，很少參與到信息的處理中，使得許多智能應用無法在Web上實現(xiàn)。語義Web便是在這種需求背景下產(chǎn)生的，旨在使Web文檔具有機器可理解的語義，使不同平臺中

2、的數(shù)據(jù)得到共享和重用，便于人機之間進行交流和合作。這樣，Web巨大的潛能才能得到充分發(fā)揮。
　　 這種機器可理解的語義信息，就是通過語義標注技術產(chǎn)生并添加到Web資源中的。語義標注是利用本體知識對網(wǎng)頁中的概念或概念實例進行描述的。通過語義標注的作用，Web中的資源具有了語義，因此語義標注是實現(xiàn)語義Web的基礎。
　　 本文首先介紹了語義Web相關知識背景，包括語義Web的起源、體系結構、本體知識等，闡述了語義標注的含義、

3、它與本體之間的相互作用，以及在語義Web發(fā)展過程中的重要地位。
　　 然后，對當前存在的一些典型的語義標注系統(tǒng)進行深入分析和比較。針對這些標注系統(tǒng)的不足和缺陷，引入了語法和語義分析的思想，提出了一種結合編輯距離和Google距離的語義標注方法。該方法在領域本體的指導下，充分考慮了Web資源與本體在語法上的形似度和語義上的相關度，從這兩方面綜合度量兩者之間的關聯(lián)程度，從而用本體知識對資源進行有效的標注。其中，對標注結果還進行了分類

4、處理：與本體關聯(lián)程度高但在本體中尚無定義的實例，將其標注結果反饋到本體庫中，對本體庫進行擴充；與本體關聯(lián)程度低的實例則反饋到詞匯過濾表中，用于輔助對文檔的預處理過程，這兩個過程都是循環(huán)反饋的。
　　 其次，在對傳統(tǒng)標注工具分析時發(fā)現(xiàn)這些工具幾乎都無法直接標注word文檔，為此，對word文檔的特點分析后，將本文方法改進后直接標注word文檔。
　　 最后，為了驗證本文提出的語義標注方法的有效性，在葡萄酒領域設計和實現(xiàn)了語