基于本體的專題性搜索引擎的研究與實現(xiàn).pdf

1、Internet已經成為目前世界上最大的信息資源庫，但是網上信息資源紛繁蕪雜，如何滿足人們對快速、準確而全面獲取信息的要求，已經成為擺在人們面前的一大難題。搜索引擎的出現(xiàn)可以幫助用戶在網絡上方便地查找到自己需要的信息。但是目前的搜素引擎由于存在網頁覆蓋率低、索引不及時和返回結果不精確等缺點，難以滿足專業(yè)用戶如某一領域的科技工作人員對信息的需求，在這種情形下，專題性搜索引擎應運而生。 然而目前流行的專題性搜索多在語法級層面進行實踐

2、、對查詢語句僅進行機械性的匹配，效果不夠理想。本課題———基于本體的專題性搜索引擎選擇引入本體技術，通過對用戶的查詢輸入進行一定的語義分析和處理，使得搜索引擎具備一定的智能性，對搜索結果在查全率和查準率上都有所提高。 在信息采集方面，本論文給出了設計專題網絡蜘蛛的方法；在對抓取下來的網頁進行處理時，本文采取以詞典分詞為基礎的正反向全切分算法進行中文分詞；針對用戶搜索關鍵字的模糊性及搜索返回結果的欠精確問題，本文應用本體通過相關概

3、念之間的關聯(lián)執(zhí)行搜索，在返回用戶查詢結果時通過使用鏈接文檔及相關的概念進行過濾及排序。 本論文的主要工作如下： (1)闡述了搜索引擎的概念和發(fā)展現(xiàn)狀，分析了搜索引擎的基本原理、構成。突出介紹專題性搜索引擎的優(yōu)勢。 (2)設計出專題網絡蜘蛛。給出了專題性網絡蜘蛛程序設計的策略和模型，實現(xiàn)了Spider程序對Internet上的網頁資源按照主題相關進行訪問、抓取并保存到網頁文件庫。 (3)運用倒排索引原理，實

4、現(xiàn)了對網頁文件的索引。在索引處理過程中，對網頁文本庫中的網頁文件進行初步分析，濾去無效內容，再利用以詞典分詞為基礎的正反向全切分算法對正文進行中文分詞處理，最后提取文檔特征信息，建立倒排索引文件。 (4)設計出鞋業(yè)領域的本體庫。查閱鞋業(yè)領域知識，在專業(yè)人士的幫助下確定領域核心概念，按照本體構建方法和規(guī)則，利用protégé工具開發(fā)出鞋業(yè)領域的本體知識庫。 (5)設計出基于本體的查詢器。在用戶查詢部分，根據用戶輸入的關鍵詞

5、，先利用以詞典分詞為基礎的正反向全切分算法進行分詞處理，提取出初步關鍵詞；將初步關鍵詞與本體庫中的概念實例進行匹配、推理，得出標準關鍵詞；再進入索引庫進行搜索查找，對查詢結果按網頁與查詢條件的相關度排序顯示給用戶。 (6)對基于本體的專題性搜索引擎系統(tǒng)進行了總體上的實現(xiàn)，針對一些例子進行了測試，并對結果做出了分析。 基于上述對本文工作內容的總結，本文的特色在于： (1)結合鞋業(yè)領域的特點，利用protégé本體建