語(yǔ)義桌面搜索技術(shù)研究.pdf

1、計(jì)算機(jī)技術(shù)的不斷普及以及硬盤(pán)技術(shù)的迅速發(fā)展使個(gè)人計(jì)算機(jī)中的文檔數(shù)量以驚人速度增長(zhǎng)。如何有效地管理和利用這些文檔,是需要解決的重要問(wèn)題。近年出現(xiàn)的基于全文索引的桌面搜索工具在一定程度上可以解決部分問(wèn)題,但是這些工具無(wú)法提供語(yǔ)義級(jí)的搜索服務(wù),為用戶(hù)找出那些與查詢(xún)有著潛在關(guān)聯(lián)的桌面資源。語(yǔ)義桌面概念的提出為解決桌面資源的管理問(wèn)題創(chuàng)造了契機(jī),它試圖將語(yǔ)義網(wǎng)中的多種技術(shù)移植到個(gè)人計(jì)算機(jī)中,增強(qiáng)桌面管理的功能。
　　目前,國(guó)內(nèi)外對(duì)語(yǔ)義桌面技術(shù)

2、的研究還處于個(gè)案處理的初步階段,并未形成通用的解決方法。在綜合閱讀國(guó)內(nèi)外相關(guān)參考文獻(xiàn)及分析研究現(xiàn)狀的基礎(chǔ)上,對(duì)語(yǔ)義桌面搜索中的若干關(guān)鍵技術(shù)進(jìn)行了分類(lèi)研究,包括元數(shù)據(jù)提取、無(wú)結(jié)構(gòu)文檔信息提取、桌面檢索模型和檢索結(jié)果排序等。
　　當(dāng)前語(yǔ)義桌面的元數(shù)據(jù)處理方案只包含了與桌面文件靜態(tài)屬性相關(guān)的元數(shù)據(jù),不能反映用戶(hù)行為與文檔之間的關(guān)系。為此,提出一種基于用戶(hù)行為的動(dòng)態(tài)元數(shù)據(jù)提取方案,該方案充分考慮桌面環(huán)境中與用戶(hù)行為相關(guān)的桌面上下文,如電子

3、郵件、文件目錄、瀏覽器緩存等。同時(shí),通過(guò)對(duì)用戶(hù)隱反饋的分析來(lái)對(duì)上下文進(jìn)行探測(cè)劃分。創(chuàng)建元數(shù)據(jù)生成器,以本體的形式將桌面元數(shù)據(jù)保存在個(gè)人計(jì)算機(jī)中。
　　已有的語(yǔ)義桌面系統(tǒng)對(duì)無(wú)結(jié)構(gòu)文檔的處理能力較弱,其根本原因是難以從無(wú)結(jié)構(gòu)文檔中提取有效信息。在傳統(tǒng)信息提取技術(shù)的基礎(chǔ)上,給出了一種基于本體的無(wú)結(jié)構(gòu)文檔信息提取方案。該方案首先對(duì)文檔建立本體加以描述,然后分析本體中實(shí)體之間的多種潛在關(guān)系,如文本相連關(guān)系、文本共存關(guān)系、高頻率實(shí)體等,通過(guò)分

4、析這些關(guān)系來(lái)確定各候選實(shí)體的匹配系數(shù),從而確定被識(shí)別實(shí)體,并以XML的形式輸出。實(shí)驗(yàn)表明,該方法能獲得較高的識(shí)別率和準(zhǔn)確率。
　　要對(duì)桌面文檔進(jìn)行搜索,需要某種信息檢索模型來(lái)支持,而信息檢索模型一直都是信息檢索領(lǐng)域的重要研究課題。在對(duì)傳統(tǒng)向量空間模型研究的基礎(chǔ)上,設(shè)計(jì)了一種基于本體的語(yǔ)義信息檢索模型,其工作重點(diǎn)包括:語(yǔ)義項(xiàng)權(quán)重的設(shè)計(jì),各關(guān)鍵字之間的語(yǔ)義關(guān)系分析,以及語(yǔ)義特征向量之間的相似度計(jì)算策略等。在模型中,通過(guò)概念連通圖對(duì)不同

5、語(yǔ)義項(xiàng)之間的關(guān)系進(jìn)行了重新考量,并將語(yǔ)義相似度的計(jì)算分為概念相似度和屬性相似度兩個(gè)方面,綜合考慮了二者在語(yǔ)義檢索中的作用,改善了檢索效果。
　　對(duì)檢索結(jié)果進(jìn)行排序是文檔檢索的一個(gè)重要步驟。在對(duì)現(xiàn)有的Web排序算法和模式圖理論研究后,提出一種基于權(quán)威傳遞的檢索結(jié)果排序方法。該方法利用本體描述文檔之間權(quán)威傳遞的模式,通過(guò)設(shè)定不同的傳遞系數(shù),反映出文檔之間的不同連接線(xiàn)索對(duì)文檔聯(lián)系緊密程度的影響。實(shí)驗(yàn)結(jié)果表明,該方法可將重要程度高的結(jié)果優(yōu)