基于大眾注釋的語義提取研究及應(yīng)用.pdf

1、語義Web不僅要求Web資源是用戶可讀的,也是機器可理解、能自動處理的。為獲得機器可理解的語義,許多研究試圖根據(jù)定義好的Ontology,為Web資源創(chuàng)建語義標注,這類標注往往是以手工或半自動的方式添加的,并存在以下缺點：很難為龐大的Web資源建立一個統(tǒng)一的Ontology庫：通用的Ontology庫不可能趕上Web資源變化的速度；要求注釋者對Ontology工程有較高的技能,而一般的Web用戶是沒有這種技能的。 目前網(wǎng)絡(luò)中流行

2、的大眾注釋是由普通網(wǎng)絡(luò)用戶手工添加,盡管沒有使用事先定義好的Ontology,且與語義標注相比有些粗糙、模糊,但它們能從用戶的角度更好地反映網(wǎng)絡(luò)資源的用途和意義。本文從大眾注釋的研究出發(fā),提出有效的語義注釋方法和相應(yīng)的語義搜索方案。首先,提出一個自底向上的語義標注方法,采用概率統(tǒng)計方法對大眾注釋的標簽進行歸類,劃分出領(lǐng)域空間,計算實體(用戶、標簽和資源)的語義向量,采用Del.icio.us提供的大眾注釋服務(wù)實例闡述了從大眾注釋中派生出

3、浮出語義的過程；其次,構(gòu)建一個語義搜索框架,根據(jù)提出的語義注釋方法,計算每個實體的語義向量,將其應(yīng)用于共享Web資源的發(fā)現(xiàn)和查找,實現(xiàn)一個智能的語義搜索系統(tǒng),用戶通過輸入標簽或關(guān)鍵字進行查詢并返回按用戶興趣度排序的相關(guān)結(jié)果。 為驗證所提出的語義注釋方法和語義搜索方案,采用Python和Java語言開發(fā)了一個原型系統(tǒng),實現(xiàn)了數(shù)據(jù)采集及預(yù)處理(網(wǎng)絡(luò)爬蟲)、語義派生處理和語義搜索等功能。原型系統(tǒng)在大量實際數(shù)據(jù)上的驗證表明本文所提出方案