本文關(guān)鍵詞：基于知識(shí)圖譜的搜索引擎技術(shù)研究與應(yīng)用

  更多相關(guān)文章： 搜索引擎 知識(shí)圖譜 知識(shí)抽取 實(shí)體索引 本體庫(kù)

【摘要】：互聯(lián)網(wǎng)的迅速普及以及數(shù)字信息的爆炸式增長(zhǎng)帶來(lái)了寶貴的信息數(shù)據(jù)財(cái)富,盡管這些數(shù)據(jù)已經(jīng)被分門(mén)別類,但是從成千上萬(wàn)的類別及其子類中檢索有效信息對(duì)于搜索引擎也是較大的挑戰(zhàn)。傳統(tǒng)的搜索引擎通過(guò)對(duì)互聯(lián)網(wǎng)中的數(shù)據(jù)進(jìn)行全文索引,通過(guò)關(guān)鍵詞匹配索引的方式進(jìn)行信息檢索并返回給用戶相關(guān)的鏈接。這種檢索方法不能準(zhǔn)確理解用戶的需求,同時(shí)返回的是相關(guān)鏈接而不是用戶需要的信息,用戶需要從鏈接的文檔中查找相關(guān)的信息。為了改善上述傳統(tǒng)搜索引擎的弊端,基于知識(shí)的搜索引擎引起了研究者和產(chǎn)業(yè)界的廣泛關(guān)注。其主要思想是通過(guò)在互聯(lián)網(wǎng)中進(jìn)行數(shù)據(jù)獲取,完成數(shù)據(jù)到知識(shí)的轉(zhuǎn)變形成知識(shí)網(wǎng)絡(luò)并提供信息檢索功能。本文研究特定領(lǐng)域內(nèi)的該類型搜索引擎的搭建相關(guān)理論及實(shí)現(xiàn)方法,希望通過(guò)該搜索引擎能夠提供特定領(lǐng)域內(nèi)的實(shí)體查詢,即通過(guò)深度理解用戶需求,從實(shí)體庫(kù)中檢索出相關(guān)實(shí)體返回給用戶。圍繞搭建領(lǐng)域內(nèi)基于知識(shí)圖譜的搜索引擎,研究基礎(chǔ)搜索引擎框架,網(wǎng)絡(luò)爬蟲(chóng),數(shù)據(jù)索引,知識(shí)抽取,圖譜模型等關(guān)鍵技術(shù),主要工作包括:(1)提出一種基于本體庫(kù)的知識(shí)抽取方法。通過(guò)領(lǐng)域內(nèi)的本體庫(kù),判斷從互聯(lián)網(wǎng)中抓取的數(shù)據(jù)是否是領(lǐng)域內(nèi)相關(guān)的實(shí)體,并從數(shù)據(jù)中抽取出實(shí)體相關(guān)的知識(shí)碎片,最后融合知識(shí)碎片形成領(lǐng)域內(nèi)的知識(shí)。實(shí)驗(yàn)證明,這種方法的知識(shí)抽取相比傳統(tǒng)的基于規(guī)則的抽取方法抽取范圍更為確定,抽取的知識(shí)也較為準(zhǔn)確。(2)提出一種基于Lucene的增量索引方法。通過(guò)分析Lucene框架以及Lucene的倒排索引和段合并機(jī)制,研究Lucene索引實(shí)體數(shù)據(jù)時(shí)性能較差的缺點(diǎn),提出了通過(guò)多級(jí)索引文件代替索引庫(kù)的索引方法,實(shí)驗(yàn)證明這種方法能夠在一定程度上降低實(shí)時(shí)更新索引庫(kù)時(shí)的耗時(shí)且對(duì)于檢索請(qǐng)求響應(yīng)更為敏捷。(3)實(shí)現(xiàn)了一個(gè)“機(jī)器學(xué)習(xí)”領(lǐng)域內(nèi)的搜索引擎,用來(lái)提供相關(guān)實(shí)體的檢索,其中實(shí)體主要包括文獻(xiàn),專家,期刊以及領(lǐng)域內(nèi)相關(guān)概念。該搜索引擎以圖譜的形式組織領(lǐng)域內(nèi)的實(shí)體以及實(shí)體之間的語(yǔ)義網(wǎng)絡(luò),不僅提供了信息檢索功能,通時(shí)提供了更加智能的結(jié)果排序以及相關(guān)推薦等功能。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3;G252.7

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 王琦,唐世渭,楊冬青,王騰蛟;基于DOM的網(wǎng)頁(yè)主題信息自動(dòng)提取[J];計(jì)算機(jī)研究與發(fā)展;2004年10期

2 李效東,顧毓清;基于DOM的Web信息提取[J];計(jì)算機(jī)學(xué)報(bào);2002年05期

，

本文編號(hào)：1154876