語義網(wǎng)分析初探.pdf

1、隨著語義網(wǎng)研究的發(fā)展和技術(shù)的不斷進步，新的語義網(wǎng)應(yīng)用不斷涌現(xiàn)，越來越多的語義網(wǎng)數(shù)據(jù)被在線發(fā)布。截至2009年，語義網(wǎng)搜索引擎Sindice報告已經(jīng)索引了超過4000萬個語義網(wǎng)文檔。特別是近兩年來，隨著Linking Open Data項目的開展，語義網(wǎng)上不同數(shù)據(jù)集的數(shù)據(jù)逐漸被互相鏈接起來，構(gòu)成了一個龐大的網(wǎng)絡(luò)結(jié)構(gòu)。因此，人們迫切需要了解目前語義網(wǎng)的宏觀結(jié)構(gòu)，特別是研究人員與應(yīng)用開發(fā)人員需要掌握語義網(wǎng)的宏觀數(shù)據(jù)分布規(guī)律與形態(tài)特征，在此基礎(chǔ)

2、上探討語義網(wǎng)的未來發(fā)展或者有針對性地優(yōu)化應(yīng)用程序。 本文試圖通過分析和比較在不同時期以不同方式收集得到的真實的大規(guī)模語義網(wǎng)數(shù)據(jù)，推斷和預(yù)測未來語義網(wǎng)的發(fā)展趨勢和方向。通過對語義網(wǎng)數(shù)據(jù)進行分析，也可以指導(dǎo)語義網(wǎng)搜索引擎的數(shù)據(jù)收集及數(shù)據(jù)檢索策略，便于更加全面和準(zhǔn)確地定位信息，為用戶提供更好的服務(wù)。 為了探索語義網(wǎng)的發(fā)展現(xiàn)狀，用網(wǎng)絡(luò)爬蟲收集到近千萬的語義網(wǎng)文檔，構(gòu)成數(shù)據(jù)集。對數(shù)據(jù)集進行了數(shù)據(jù)來源分析，表明語義網(wǎng)文檔的注冊域名累

3、加分布滿足冪率分布：對語義網(wǎng)文檔的頂層域名分布的分析表明：語義網(wǎng)文檔的國家分布不均衡，來自于政府網(wǎng)站的語義網(wǎng)文檔數(shù)量大幅增加，部分中國站點尤其是一些國內(nèi)院校的網(wǎng)站也已開始發(fā)布語義網(wǎng)數(shù)據(jù)。對所有語義網(wǎng)文檔解析總計得到超過四億個RDF三元組，以RDF三元組作為語義網(wǎng)文檔規(guī)模度量的單位，分析結(jié)果表明：語義網(wǎng)文檔的規(guī)模累加分布滿足冪率分布。分析了命名空間的使用情況，結(jié)果表明：與兩年前相比，RDFS和OWL越來越多地被使用，90％以上的文檔使用R