基于本體進(jìn)化的專題信息采集方法研究.pdf

1、互聯(lián)網(wǎng)的出現(xiàn),為人們提供了一個(gè)獲取信息的新渠道。人們?cè)趽碛幸粋€(gè)呈爆炸式增長(zhǎng)的信息源的同時(shí),也面臨著如何從中快速準(zhǔn)確地獲取與特定專題相關(guān)信息的難題。通用搜索引擎是目前最為常用的信息檢索工具,但由于其自身是面向大眾,很難及時(shí)、準(zhǔn)確地為人們提供特定的專題信息。在這種情形下,面向?qū)ｎ}的信息采集已然成為當(dāng)前的研究熱點(diǎn)之一。
　　本文中,首先對(duì)國(guó)內(nèi)外專題信息采集技術(shù)和本體進(jìn)化的研究現(xiàn)狀作了簡(jiǎn)單概述,介紹了網(wǎng)絡(luò)信息采集技術(shù)的基本原理和結(jié)構(gòu),以及

2、主要的發(fā)展方向,同時(shí)對(duì)文本相似度計(jì)算理論和本體相關(guān)理論進(jìn)行了梳理。然后,針對(duì)互聯(lián)網(wǎng)上幾種信息來(lái)源設(shè)計(jì)相應(yīng)的采集策略,包括目標(biāo)網(wǎng)站全站遍歷、目標(biāo)版塊定向跟蹤、RSS源定時(shí)增量更新。然后設(shè)計(jì)專題本體進(jìn)化方案,主要內(nèi)容有網(wǎng)頁(yè)內(nèi)容提取、正文特征詞抽取、初始專題本體構(gòu)建以及專題本體的進(jìn)化。最后,設(shè)計(jì)實(shí)現(xiàn)實(shí)驗(yàn)系統(tǒng),選取示例專題,構(gòu)建初始專題本體,對(duì)本文提出的方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。
　　本文的主要工作在于:
　?、籴槍?duì)不同的信息源設(shè)計(jì)相應(yīng)的采