面向汽車主題的垂直搜索引擎相關(guān)技術(shù)的研究與實(shí)現(xiàn).pdf

1、伴隨網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)上的知識(shí)呈現(xiàn)了膨脹式的增長(zhǎng)，網(wǎng)民越來越傾向于使用搜索引擎進(jìn)行信息檢索。百度、谷歌等是網(wǎng)民在搜索信息時(shí)使用最多的搜索引擎，雖然它們的覆蓋面廣、返回相關(guān)知識(shí)多，但當(dāng)用戶搜索某一領(lǐng)域的知識(shí)時(shí)，通用搜索引擎的信息量大、查詢不準(zhǔn)確等問題就顯現(xiàn)出來，不能滿足用戶的需求。針對(duì)這一問題，垂直搜索引擎應(yīng)運(yùn)而生。
　　但垂直搜索引擎仍然采用基于關(guān)鍵詞的檢索方式，缺乏語(yǔ)義的關(guān)聯(lián)，無法實(shí)現(xiàn)語(yǔ)義檢索。出現(xiàn)這種問題的原因是搜索引

2、擎收集的文檔沒有進(jìn)行語(yǔ)義標(biāo)注，所以在檢索的時(shí)候，搜索引擎無法對(duì)輸入的查詢請(qǐng)求進(jìn)行語(yǔ)義關(guān)聯(lián)。本體的出現(xiàn)很好地解決了語(yǔ)義標(biāo)注問題，從而實(shí)現(xiàn)語(yǔ)義檢索，所以將本體技術(shù)和搜索引擎結(jié)合來實(shí)現(xiàn)語(yǔ)義檢索的功能。
　　本文研究了垂直搜索引擎的基本概念、特點(diǎn)和工作原理，同時(shí)分析了國(guó)內(nèi)外搜索引擎的現(xiàn)狀和存在的不足，以及本體的相關(guān)知識(shí)和本體技術(shù)在垂直搜索引擎方面的應(yīng)用。完成的主要工作有:
　　(1)分析開源網(wǎng)絡(luò)爬蟲Heritrix的系統(tǒng)結(jié)構(gòu)，擴(kuò)展H

3、eritrix的連接處理器，從而實(shí)現(xiàn)定制抓取的目的;針對(duì)Heritrix下載速度慢這一問題，引入哈希算法，實(shí)現(xiàn)Heritrix的多線程下載，提高下載速度;在信息抽取方面，利用HTMLParser構(gòu)造特定網(wǎng)站的解析器，解析出所需的結(jié)構(gòu)化信息。
　　(2)分析比較本體的構(gòu)建方法，選用Protege3.2.1作為本體的編輯工具，利用OWL作為本體的描述語(yǔ)言，構(gòu)建了一個(gè)汽車領(lǐng)域的領(lǐng)域本體。利用本體類概念、本體實(shí)例實(shí)現(xiàn)語(yǔ)義擴(kuò)展。