基于Ontology的网络元数据抽取系统的研究与实现

万维网(World Wide Web,WWW)现在已经成为一个巨大的信息发布平台,理论上,人们可以找到任何感兴趣的信息。问题是目前的信息检索效率很低,通过传统基于关键词匹配的信息检索通常检索到大量不相关的冗余信息。由B.Lee 1998年提出的语义网,被称为下一代网络,将会对信息检索起到根本性的改变,而语义网中语义元数据是其中的核心基础。本文设计并实现了一种基于Ontology的网络元数据抽取系统。它使得用户可以构建和维护领域本体,对网页、PDF文件以及图像等网络资源进行元数据标注,然后基于构建的Ontology对标注过的网络资源进行元数据抽取,并且将抽取的各类元数据以统一的格式存储到元数据信息库中。     

基于Ontology的网络元数据抽取系统的研究与实现

万维网(World Wide Web,WWW)现在已经成为一个巨大的信息发布平台,理论上,人们可以找到任何感兴趣的信息.问题是目前的信息检索效率很低,通过传统基于关键词匹配的信息检索通常检索到大量不相关的冗余信息.由B.Lee 1998年提出的语义网,被称为下一代网络,将会对信息检索起到根本性的改变,而语义网中语义元数据是其中的核心基础.本文设计并实现了一种基于Ontology的网络元数据抽取系统.它使得用户可以构建和维护领域本体,对网页、PDF文件以及图像等网络资源进行元数据标注,然后基于构建的Ontology对标注过的网络资源进行元数据抽取,并且将抽取的各类元数据以统一的格式存储到元数据信息库中.     

基于Ontology的人力资源语义检索技术研究

基于关键词的传统信息检索技术缺乏语义理解能力,无法满足用户的需要。简要地介绍实现语义检索涉及到的相关概念包括资源描述框架,语义网技术和本体。本文对语义检索所涉及的关键技术进行了深入的分析研究,提出了一种基于本体的语义检索的方法,以人力资源领域本体为例,设计并实现了基于Ontology的人力资源语义检索系统。     

利用Ontology实现语义检索

传统的信息检索技术已无法满足用户的需要,语义检索正越来越受到人们的重视。文章介绍了对本体Ontology的认识,以及Ontology的创建方法。详细介绍了基于Ontology的检索原理以及语义检索系统的构建过程。最后提出存在的问题。     

面向语义Web的RDF数据处理和应用

利用Multi-Agents实现RDF数据的获取、存储和利用.信息收集Agent提取语义Web上用RDF语言描述的元数据,存储Agent将这些元数据存储在XML数据库或关系数据库中,推理Agent根据用户提交的查询关键词进行语义匹配及语义相关性扩展,查询Agent执行对RDF数据库的查询,并返回结果给用户,从而实现基于语义的Web信息检索服务.     

基于OWL的旅游领域本体的构建

利用本体可实现特定领域内的知识共享、重用和建模。针对目前网络旅游信息量大而分散,领域知识异构,计算机无法理解信息语义,致使网络无法为用户提供满意的旅游服务的情况,基于W3C推荐的(Web Ontology Language,OWL)本体描述语言,应用Protégé3.2辅助构建可被计算机理解的旅游领域本体,可为下一步旅游服务的语义标注,Jena的语义推理,及基于本体的旅游服务发现打下基础。     

模糊本体在语义信息检索中的应用

传统的语义信息检索是基于检索词语义的匹配,无法满足检索不确定的、不完整的信息以及对检索结果进行聚类处理,因此,提出将模糊本体引入语义信息检索方法。该方法以本体技术先建立领域语义模型,各概念的隶属度加到语义建模的过程中,并提供语义标注;以模糊推理方式对概念、公理等本体进一步处理,从而便于计算机计算处理。能够提高在语义信息检索中对模糊信息进行检索的查准率、查全率,采用聚类技术对检索结果进行聚类,以达到智能化检索的目的。     

一种基于社会化标注的查询扩展方法

利用互联网上的社会化标注信息来改善查询扩展效果,是目前信息检索领域的一个研究热点.根据社会化标注系统中数据的特点,提出了一种改进的加权社会化相似度算法,称作Weighted Sim-Rank(WSR)算法,用于改善查询扩展效果.WSR方法在计算标签和网页之间边的权值时,既考虑与标签和网页共现的用户数量,又兼顾到被同一标签所标注过的不同网页数.所有的实验都是在从del.icio.us网站上抽取的真实标注数据集上进行的.实验结果表明,WSR方法能够有效地衡量标签之间的相似度,与其他几种基于社会化标注的方法相比,可以获得更有用的查询扩展信息,明显地改善了查询扩展的效果.     

一种基于深度神经网络的句法要素识别方法

为改进传统特征方法很难获取中文句子中结构信息的问题,提出一种基于深度神经网络的句法要素识别模型。采用Bi-LSTM网络从原始数据中自动抽取句子中的结构信息和语义信息,利用Attention机制自动计算抽象语义特征的分类权重,通过CRF层对输出标签进行约束,输出最优的标注序列。经过对比验证,该模型能有效识别句子中的句法要素,在标注数据集上F₁达到84.85%。     

异质工程文档多维关联的语义检索方法

针对现有工程信息检索中文档语义理解和关联不足的问题,根据工程环境下信息检索的特点,提出一个异质工程文档的检索方法,包括内容分析、语义建模、多维关联、语义推理与扩展以及查询处理等过程.采用基于本体的理解标注多源异质工程文档,获取工程语义信息,建立语义标注库,实现异质文档内容的统一表达.采用以文档为中心的多维关联机制,在文档内容语义理解的基础上,将基于本体的内在关联扩展为融合文档及内容的多重关联.结果表明,多维关联机制能够启发式地关联产品生命周期中的文档,增强查询的导航能力,为语义推理和检索扩展提供服务.