基于可視化分類模式的Web信息重組技術(shù)及其應(yīng)用研究.pdf

1、數(shù)以萬計(jì)的門戶網(wǎng)站、搜索引擎可實(shí)現(xiàn)Web信息發(fā)布、瀏覽、查詢和檢索等功能，然而，越來越多的用戶希望能夠有對(duì)Web信息進(jìn)行內(nèi)容分析、數(shù)據(jù)挖掘和數(shù)據(jù)處理，從而智能地“提煉”出與用戶需要和業(yè)務(wù)相契合的數(shù)據(jù)，這種用戶需求決定了Web發(fā)展的下一個(gè)重要方向是對(duì)Web內(nèi)容進(jìn)行歸納、組合、集成，在此基礎(chǔ)上派生新的信息、生成所需要的集成信息。由于Web信息非結(jié)構(gòu)化問題、自治性，引發(fā)了Web異構(gòu)性以及語義理解差異等問題，如果希望對(duì)Web內(nèi)容進(jìn)行歸納、組合、

2、集成，必須有一個(gè)統(tǒng)一的語義理解方式，因此，需要對(duì)來自不同Web信息源的信息進(jìn)行某種方式的語義描述和處理，以便支持從多個(gè)Web信息資源中抽取的必要信息派生或集成出新的信息。 為對(duì)Web信息內(nèi)容進(jìn)行組合、歸納、集成，并派生新的用戶需求信息，必須對(duì)Web信息進(jìn)行某種方式的元數(shù)據(jù)描述，在此基礎(chǔ)上通過信息重組為用戶提供來自多個(gè)異構(gòu)信息源的信息的統(tǒng)一視圖。為此，本文研究了Web信息的語義描述問題，提出了作為Web信息源的元數(shù)據(jù)描述模型的可視

3、化分類模式。以可視化分類模式為核心，本文從Web信息抽取、Web信息語義異構(gòu)消除、Web信息分類、Web信息重組機(jī)制和Web信息重組方法等方面對(duì)Web信息重組技術(shù)進(jìn)行了深入研究。 (1)針對(duì)實(shí)現(xiàn)Web信息重組過程中Web信息的非結(jié)構(gòu)化表示以及描述的不一致性問題，本文提出了可視化分類模式，構(gòu)建了基于可視化分類模式的Web信息重組機(jī)制。可視化分類模式為包含異構(gòu)信息源的Web信息重組提供了一種公共的Web信息描述方式，支持從多個(gè)Web

4、信息資源中抽取的必要信息派生或集成出新的信息，并通過Web信息重組為用戶提供來自多個(gè)異構(gòu)信息源信息的統(tǒng)一的視圖，為實(shí)現(xiàn)Web信息個(gè)性化服務(wù)奠定了基礎(chǔ)。 (2)針對(duì)在基于可視化分類模式的Web信息重組過程中的可視化分類模式的元信息獲取問題，本文提出了基于HTML標(biāo)簽分布統(tǒng)計(jì)的Web頁面分塊算法，構(gòu)建了基于Web分塊算法的Web網(wǎng)站分類體系抽取機(jī)制，解決了Web頁面的多樣性和非規(guī)范性問題。實(shí)驗(yàn)表明所提出的信息抽取方法具有較高的準(zhǔn)確率

5、。 (3)針對(duì)在基于可視化分類模式的Web信息重組過程中的Web信息的語義異構(gòu)問題，本文構(gòu)建了基于SUMO框架的Web分類領(lǐng)域本體WCO，Web分類領(lǐng)域概念融入SUMO公理系統(tǒng)，便于采用SUMO-KIF進(jìn)行自動(dòng)推理，WCO具有兼容性、可復(fù)用性、可擴(kuò)展性。形成了SUMO框架結(jié)構(gòu)下邏輯一致的標(biāo)準(zhǔn)可視化分類模式，為消除Web信息重組所產(chǎn)生的語義異構(gòu)提供了有效支持。 (4)針對(duì)實(shí)現(xiàn)基于可視化分類模式的Web信息重組和按不同的用

6、戶視點(diǎn)來表現(xiàn)Web信息模式集成問題，本文提出了基于概念相似度和結(jié)構(gòu)關(guān)系相似度計(jì)算的分類概念層次結(jié)構(gòu)調(diào)整策略，給出了基于WCO的可視化分類模式的合并算法，實(shí)現(xiàn)了異構(gòu)Web信息源的合并。 (5)為應(yīng)用本文提出的一整套基于可視化分類模式的Web信息重組機(jī)制，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)Web信息服務(wù)應(yīng)用系統(tǒng)(NEU-WIIS)。利用該系統(tǒng)，用戶可以在統(tǒng)一的視圖下有效地獲取多信息源、多樣式、多類別的自己定制的Web信息，為用戶有效地利用Web信