基于本体的语义搜索研究综述

基于本体的语义搜索将Web搜索带入一个新时代。它使我们能够在浩瀚的网页中更加快速准确地找到想要的信息。本体具有明确的概念描述,基于本体的搜索能够评测关键词之间的语义差异,从而在文档或者查询中找到更准确的结果。因为所选本体的不同,基于本体的语义搜索方法也会不同。该文总结了多种不同的研究方法,并根据搜索相关技术的分类标准进行了比较。最后通过这些比较,找到今后进一步研究的方向。     

面向领域的智能搜索引擎设计与实现

传统的主题搜索技术难以适应大范围垂直领域的智能搜索需求,通过将主题搜索与语义搜索相关技术分别应用到搜索引擎的数据采集与智能查询过程中,利用基于层次分类模型的领域数据采集机器人,完成对领域信息的精准采集,基于中文百科资源自动构建领域本体,将大规模领域本体库用于搜索引擎的语义扩展推理中,实现了一个面向领域的智能搜索引擎。实验结果表明,基于层次结构的领域分类具有较高的分类准确率和召回率,与其他搜索引擎相比较,该系统具有领域专业性强、领域易于移植、检索更加智能等特点。     

KWSDS:关系数据库中Top-k关键词搜索系统

关系数据库中的关键词搜索技术已经成为信息检索领域的研究热点,它为没有任何SQL语法知识的用户提供了一个简单友好的接口.但是现存的关键词搜索系统主要依赖于数据图或模式图,而单独使用数据图或模式图的算法搜索效率不高,结果准确率也较低.设计实现了一个Top-k关键词搜索系统(keyword search system based on database graph and schema graph,KWSDS),用户提交关键词后,系统对关键词进行预处理,消除一些脏关键词.首次提出使用数据图与模式图相结合的方法,设计了同表查询算法和异表查询算法,分析了算法的正确性和时间复杂度,并且提出了相关性结果排序方法.KWSDS系统的搜索算法运行时间短,搜索结果准确性高,具有良好的查询性能.最后通过实验验证了KWSDS的效率.     

基于茶虫害本体的智能检索系统设计

目前信息检索正在向着领域化、智能化方向发展.针对农业领域的分支领域茶虫害为研究对象,通过构建茶虫害领域本体,设计并实现了基于茶虫害本体的智能检索系统.该系统在特定主题的限定下进行信息的搜集和检索,能识别所搜索的网页与主题是否相关,而且能产生智能导航链接在主题最相关的范围内搜索,把信息检索从目前基于关键词层面提升到基于知识的层面,从而能够帮助用户更容易地找到感兴趣的信息,提高信息服务的质量和信息检索的准确率.     

基于面本体的情境搜索研究

为了将用户的搜索过程与用户当前情境相关联,提出一种基于面本体的情境搜索模型(Faceted Ontology-based Context Search,FOCS)。FOCS根据情境本体对用户输入的关键字进行语义扩展,生成相应的搜索本体。通过面本体标注各类异构文档,利用洪泛相似度算法进行搜索本体与面本体的本体匹配,实现情境搜索。实验结果表明,提出的方法应用于搜索引擎,与传统的信息搜索比较,具有更好的查全率与查准率。     

基于关键词的加密云数据模糊搜索策略研究

随着个人和企业用户产生的数据量越来越多,云存储的价格便宜、存储空间使用灵活等优势也越来越明显。随着大量的数据外包到云服务器端,用户一般采用加密方法实现对敏感数据的保护和使用限制,这使得传统的基于明文的搜索方案不再适用。如何在保护隐私的基础上实现高效的数据文件搜索是首要考虑的问题。在已有的加密数据搜索方案的基础上,分析中文所特有的模糊音和多义的特点,利用中文和英文实现关键词的同义词构建,并建立关键词的模糊音词和同义词集合,提出了基于关键词的加密云数据模糊搜索方案,实现了对中文模糊音和同义关键词的搜索并利用伪随机函数对私钥进行保护。最后通过安全性分析和系统实验验证了该方案具有较高的安全性、良好的实用性和较高的搜索成功率。     

基于本体的领域知识搜索研究

对当前互联网的搜索引擎中无法准确、高效地返回用户真正所需的数据信息等缺点进行分析,利用本体构建领域知识库和本体推理机等方法,设计实现了一个基于本体的领域知识检索系统模型。用户通过对用户本体的选择,可得到相关的目标本体,继续对其追踪,通过本体推理,搜索引擎能准确地搜索到用户所关心的本领域内的相关知识。讨论了该系统结构中各个模块的功能和该系统的特点。     

面向特定领域的语义搜索结果排序算法

为了提高面向特定领域的语义搜索的准确性,在分析现有本体排序算法的基础上,对现有的中医药领域本体的重要性进行了评估。同时在计算检索关键词与结果的匹配度之后,给出综合评估后的排序结果。实验结果表明,该算法给出较合理的排序结果,能较好地满足用户的需求。     

基于关联规则挖掘的垂直元搜索引擎研究

针对目前全文搜索引擎中存在的查准率较低、不能充分满足专业用户对搜索引擎的搜索需求的问题,设计一种基于元搜索技术的垂直搜索引擎系统结构。利用关联规则挖掘用户关注度较高的信息,提取这些信息中与关键词相关的隐形关键词,并用于扩展搜索。设计基于多关键词组搜索的改进的元搜索引擎位置排序算法。实验结果表明,与以前搜索引擎系统相比,该系统的专业相关度有了一定提高。     

复杂语义可搜索加密研究

可搜索加密是一种支持用户在密文上进行关键词检索的密码学原语,能够为用户节省大量的网络和计算开销.进一步地,复杂语义可搜索加密,主要包括通配符可搜索加密、模糊关键词可搜索加密和多关键词可搜索加密,能够支持用户对密文进行各种形式多样化的搜索,而不局限于完整的单关键词搜索,更切合用户的实际搜索情形.本文主要从上述三类复杂语义可搜索加密的研究现状、典型构造、三者关系等方面展开研究,提出一种新的关键词特征提取方式,使得通配符可搜索加密可转化为一般的多关键词可搜索加密,最后讨论了现阶段复杂语义可搜索加密需要解决的问题及未来的研究思路.     

基于色彩传递的图像马赛克算法研究

针对传统图像马赛克算法中的瓦片图像颜色调整问题,提出一种基于全局色彩传递的图像马赛克算法,提高瓦片图像对源图像颜色空间的拟合阶数,在此基础上采用矩形碎片图像拼贴方式实现了相应的马赛克系统。实验结果表明,该算法能够获得良好的性能。     

基于语义查询扩展的垂直搜索研究

基于关键词的搜索引擎无法满足用户需求,传统查询扩展方式又会带来许多语义理解错误,针对该问题,提出一种基于本体的垂直搜索引擎概念模型,建立基于关键词和基于概念的两层索引结构,利用行业领域本体对用户提交的关键词进行语义查询扩展,并对按照本体标注的文档进行排序优化,提高查询的查全率和查准率。     

Relating ontologies with a fuzzy information model

More people than ever before have access to information with the World Wide Web; information volume and number of users both continue to expand. Traditional search methods based on keywords are not effective, resulting in large lists of documents, many of which unrelated to users’ needs. One way to improve information retrieval is to associate meaning to users’ queries by using ontologies, knowledge bases that encode a set of concepts about one domain and their relationships. Encoding a knowledge base using one single ontology is usual, but a document collection can deal with different domains, each organized into an ontology. This work presents a novel way to represent and organize knowledge, from distinct domains, using multiple ontologies that can be related. The model allows the ontologies, as well as the relationships between concepts from distinct ontologies, to be represented independently. Additionally, fuzzy set theory techniques are employed to deal with knowledge subjectivity and uncertainty. This approach to organize knowledge and an associated query expansion method are integrated into a fuzzy model for information retrieval based on multi-related ontologies. The performance of a search engine using this model is compared with another fuzzy-based approach for information retrieval, and with the Apache Lucene search engine. Experimental results show that this model improves precision and recall measures.     

动态需求跟踪中多义关键词的语义判断方法

虽然与信息检索（IR）方法相比，基于本体的动态需求跟踪方法能提高跟踪链的精度，但构建一个合理、有效的本体特别是领域本体是一个相当复杂和繁琐的过程。为了减小构建领域本体带来的时间成本和人力成本，通过将修饰词和通用本体相结合，提出基于修饰词本体的关键词语义判断方法（MOKSJM）。首先，对关键词和修饰词的搭配关系进行分析；然后，采用修饰词本体结合规则的方式来确定关键词的语义，以避免关键词的多义性对动态需求跟踪结果造成的偏差；最后，根据上述分析的结果，对关键词语义作出调整，并通过相似度得分来体现其语义。修饰词在需求文档、设计文档等中数量较少，因此建立修饰词本体所带来的时间成本和人力成本相对较小。实验结果表明，MOKSJM与基于领域本体的动态跟踪方法在召回率相当时，精度差距更小；与向量空间模型（VSM）方法相比，MOKSJM能有效提高需求跟踪结果的精度。     

Cluster-Merge本体构造算法

本体构造就是利用各种数据源以半自动方式新建或扩充改编已有本体以构建一个新本体。现有的本体构造方法大都以大量领域文本和背景语料库为基础抽取大量概念术语,然后从中选出领域概念构造出一个本体。Cluster-Merge算法首先对领域文档先用k-means聚类算法进行聚类,然后根据文档聚类的结果来构造本体,最后根据本体相似度进行本体合并得到最终的输出本体。通过实验可证明用Cluster-Merge算法得出的本体可以提高查全率、查准率。     

基于AJAX的智能检索在Web搜索的研究

为了实现Web智能检索,提出一种Web智能搜索引擎的模型,它是基于自然语言库和本体库对关键词进行解析,在AJAX模式中实现启发式检索,收集和使用用户反馈的重要叁数,并在此基础上设计和实现了一个Web搜索引擎。     

基于AJAX的智能检索在Web搜索的研究

为了实现Web智能检索,提出一种Web智能搜索引擎的模型,它是基于自然语言库和本体库对关键词进行解析,在AJAX模式中实现启发式检索,收集和使用用户反馈的重要叁数,并在此基础上设计和实现了一个Web搜索引擎。     

基于AJAX的智能检索在Web搜索的研究

为了实现Web智能检索,提出一种Web智能搜索引擎的模型,它是基于自然语言库和本体库对关键词进行解析,在AJAX模式中实现启发式检索,收集和使用用户反馈的重要叁数,并在此基础上设计和实现了一个Web搜索引擎。     

基于语义Web的搜索引擎研究

传统搜索引擎是基于关键字的检索,然而文档的关键字未必和文档有关,而相关的文档也未必显式地包含此关键字。基于语义Web的搜索引擎利用本体技术,可以很好地对关键字进行语义描述。当收到用户提交的搜索请求时,先在已经建立好的本体库的基础上对该请求进行概念推理,然后将推理结果提交给传统的搜索引擎,最终将搜索结果返回给用户。相对于传统的搜索引擎,基于语义Web的搜索引擎有效地提高了搜索的查全率和查准率。     

一种用于本体排序的内容分析方法*

针对使用传统的用于本体排序的方法得到的排序结果不够准确的问题,提出了一种新的内容分析方法。首先通过构造本体的概念模型提取本体的主题词集合得到本体的主题相似度;然后通过对关键词所在的本体上下文进行分析,得到本体相对于关键词的上下文相关度;最后结合主题相似度和上下文相关度得到本体相对于关键词的综合评价值并进行排序。实验结果表明,该方法可以有效地提高本体排序的准确性。