基于語義相似度計算的Deep Web數(shù)據(jù)庫檢索方案研究.pdf

1、隨著互聯(lián)網(wǎng)行業(yè)的快速發(fā)展，我們正處在一個信息快速增長的年代，并且在海量增長的信息中往往蘊含著大量有價值的數(shù)據(jù)。雖然在日常生活中，我們可以通過各種搜索引擎解決我們的需求，但是有時候搜索出來的信息，往往在信息相關的程度和精度上，與我們期望的存在著差異，從而不能夠完全滿足我們的搜索需求。通常我們使用的一些搜索引擎，比如Baidu、Google、Yahoo等等，往往都是通過網(wǎng)絡爬蟲技術，將相關的網(wǎng)站頁面首先抓取到自身的服務器上。我們在對關鍵詞進

2、行搜索的時候，實際上是直接查詢本地相關文件，反映給我們的往往也是一些靜態(tài)的網(wǎng)頁數(shù)據(jù)。日常范圍內的搜索，我們很難通過關鍵詞的簡單查詢完全獲得DeepWebDB的數(shù)據(jù)，從而損失了海量有價值數(shù)據(jù)信息。
　　本文提出了基于語義相似度計算的DeepWeb數(shù)據(jù)庫檢索方法，該方法的目的在于將語義相似度的計算方法運用于數(shù)據(jù)庫檢索當中去，最終將該方法同傳統(tǒng)搜索引擎有效結合，更加滿足用戶搜索需求。本文首先簡要的介紹了幾種常見的語義相似度的計算方法，最

3、后結合各自的優(yōu)點，將同義詞詞林（哈工大版）和知網(wǎng)(HowNet)有效結合，提出了一種改進的語義相似度的計算方法。通過計算關鍵詞和屬性詞典對應屬性列之間的相關聯(lián)度，在基于閾值的匹配算法的基礎上，確定當前關鍵詞的查詢的搜索范圍，挖掘出潛在于DeepWeb數(shù)據(jù)庫中與關鍵詞有關聯(lián)的信息。通過對DeepWeb數(shù)據(jù)庫的相應查詢，最終將查詢的結果通過有效的形式反饋給當前用戶。
　　由于當前DeepWeb下中文測試數(shù)據(jù)庫相對較少，我們采用的是某校