基于本體的專題性搜索引擎的研究與實(shí)現(xiàn).pdf

1、Internet已經(jīng)成為目前世界上最大的信息資源庫，但是網(wǎng)上信息資源紛繁蕪雜，如何滿足人們對快速、準(zhǔn)確而全面獲取信息的要求，已經(jīng)成為擺在人們面前的一大難題。搜索引擎的出現(xiàn)可以幫助用戶在網(wǎng)絡(luò)上方便地查找到自己需要的信息。但是目前的搜素引擎由于存在網(wǎng)頁覆蓋率低、索引不及時(shí)和返回結(jié)果不精確等缺點(diǎn)，難以滿足專業(yè)用戶如某一領(lǐng)域的科技工作人員對信息的需求，在這種情形下，專題性搜索引擎應(yīng)運(yùn)而生。 然而目前流行的專題性搜索多在語法級層面進(jìn)行實(shí)踐

2、、對查詢語句僅進(jìn)行機(jī)械性的匹配，效果不夠理想。本課題———基于本體的專題性搜索引擎選擇引入本體技術(shù)，通過對用戶的查詢輸入進(jìn)行一定的語義分析和處理，使得搜索引擎具備一定的智能性，對搜索結(jié)果在查全率和查準(zhǔn)率上都有所提高。 在信息采集方面，本論文給出了設(shè)計(jì)專題網(wǎng)絡(luò)蜘蛛的方法；在對抓取下來的網(wǎng)頁進(jìn)行處理時(shí)，本文采取以詞典分詞為基礎(chǔ)的正反向全切分算法進(jìn)行中文分詞；針對用戶搜索關(guān)鍵字的模糊性及搜索返回結(jié)果的欠精確問題，本文應(yīng)用本體通過相關(guān)概

3、念之間的關(guān)聯(lián)執(zhí)行搜索，在返回用戶查詢結(jié)果時(shí)通過使用鏈接文檔及相關(guān)的概念進(jìn)行過濾及排序。 本論文的主要工作如下： (1)闡述了搜索引擎的概念和發(fā)展現(xiàn)狀，分析了搜索引擎的基本原理、構(gòu)成。突出介紹專題性搜索引擎的優(yōu)勢。 (2)設(shè)計(jì)出專題網(wǎng)絡(luò)蜘蛛。給出了專題性網(wǎng)絡(luò)蜘蛛程序設(shè)計(jì)的策略和模型，實(shí)現(xiàn)了Spider程序?qū)nternet上的網(wǎng)頁資源按照主題相關(guān)進(jìn)行訪問、抓取并保存到網(wǎng)頁文件庫。 (3)運(yùn)用倒排索引原理，實(shí)

4、現(xiàn)了對網(wǎng)頁文件的索引。在索引處理過程中，對網(wǎng)頁文本庫中的網(wǎng)頁文件進(jìn)行初步分析，濾去無效內(nèi)容，再利用以詞典分詞為基礎(chǔ)的正反向全切分算法對正文進(jìn)行中文分詞處理，最后提取文檔特征信息，建立倒排索引文件。 (4)設(shè)計(jì)出鞋業(yè)領(lǐng)域的本體庫。查閱鞋業(yè)領(lǐng)域知識(shí)，在專業(yè)人士的幫助下確定領(lǐng)域核心概念，按照本體構(gòu)建方法和規(guī)則，利用protégé工具開發(fā)出鞋業(yè)領(lǐng)域的本體知識(shí)庫。 (5)設(shè)計(jì)出基于本體的查詢器。在用戶查詢部分，根據(jù)用戶輸入的關(guān)鍵詞

5、，先利用以詞典分詞為基礎(chǔ)的正反向全切分算法進(jìn)行分詞處理，提取出初步關(guān)鍵詞；將初步關(guān)鍵詞與本體庫中的概念實(shí)例進(jìn)行匹配、推理，得出標(biāo)準(zhǔn)關(guān)鍵詞；再進(jìn)入索引庫進(jìn)行搜索查找，對查詢結(jié)果按網(wǎng)頁與查詢條件的相關(guān)度排序顯示給用戶。 (6)對基于本體的專題性搜索引擎系統(tǒng)進(jìn)行了總體上的實(shí)現(xiàn)，針對一些例子進(jìn)行了測試，并對結(jié)果做出了分析。 基于上述對本文工作內(nèi)容的總結(jié)，本文的特色在于： (1)結(jié)合鞋業(yè)領(lǐng)域的特點(diǎn)，利用protégé本體建