SNAX系統(tǒng)數(shù)據(jù)采集研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展成就了今日web的繁榮，但是，目前互聯(lián)網(wǎng)上海量的信息并不具有機器可以理解的語義，其主要是面向用戶的。在這種情況下，傳統(tǒng)信息檢索方法檢索到的內(nèi)容僅僅是包含有某些關(guān)鍵詞的信息片段，僅僅反映了用戶信息需求的一個側(cè)面，并不能真正滿足用戶的信息需求。這樣就在用戶的需求和Web上的海量數(shù)據(jù)與計算機無法準(zhǔn)確的理解的情況下，在表示信息的Web和使用信息的用戶之間產(chǎn)生了一道語義屏障。語義Web作為目前Web的一個延伸，被稱為下一代互聯(lián)網(wǎng)，

2、目標(biāo)是使Web上的數(shù)據(jù)具有機器可理解的語義，方便人機之間的交互與合作。本文的工作主要圍繞以下幾個方面展開。 首先，介紹了本文的研究背景：指出了當(dāng)前互聯(lián)網(wǎng)的局限，對Tim Berners-Lee提出的語義Web及相關(guān)技術(shù)本體，信息采集，主題信息采集進行了闡釋。在此基礎(chǔ)上，提出了本文的研究方向：在實驗室研究項目--基于本體的XML數(shù)據(jù)集成和查詢研究系統(tǒng)框架下展開--SNAX系統(tǒng)數(shù)據(jù)采集研究。 其次，對實驗室課題組的研究成果S

3、NAX做了闡述。對系統(tǒng)的架構(gòu)及各個功能模塊做了大致的介紹，指出了研發(fā)此系統(tǒng)的目的、意義以及系統(tǒng)的特色和創(chuàng)新之處。并對后文SeWIA系統(tǒng)涉及到的關(guān)鍵技術(shù)進行了研究，為后文系統(tǒng)的設(shè)計奠定了理論基礎(chǔ)。 再次，設(shè)計了一個基于語義web的信息采集系統(tǒng)SeWIA（Semantic web based Web Information Acquisition），對系統(tǒng)的功能進行了分析，討論了主要的開發(fā)工具，給出了系統(tǒng)的體系結(jié)構(gòu)，并對給出了功能模