基于知識(shí)圖譜的搜索引擎技術(shù)研究與應(yīng)用.pdf

1、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(lèi)，但是從成千上萬(wàn)的類(lèi)別及其子類(lèi)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

2、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(lèi)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：
　?。?/p>

3、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)，