語義桌面搜索技術研究.pdf

1、計算機技術的不斷普及以及硬盤技術的迅速發(fā)展使個人計算機中的文檔數(shù)量以驚人速度增長。如何有效地管理和利用這些文檔,是需要解決的重要問題。近年出現(xiàn)的基于全文索引的桌面搜索工具在一定程度上可以解決部分問題,但是這些工具無法提供語義級的搜索服務,為用戶找出那些與查詢有著潛在關聯(lián)的桌面資源。語義桌面概念的提出為解決桌面資源的管理問題創(chuàng)造了契機,它試圖將語義網(wǎng)中的多種技術移植到個人計算機中,增強桌面管理的功能。
　　目前,國內(nèi)外對語義桌面技術

2、的研究還處于個案處理的初步階段,并未形成通用的解決方法。在綜合閱讀國內(nèi)外相關參考文獻及分析研究現(xiàn)狀的基礎上,對語義桌面搜索中的若干關鍵技術進行了分類研究,包括元數(shù)據(jù)提取、無結構文檔信息提取、桌面檢索模型和檢索結果排序等。
　　當前語義桌面的元數(shù)據(jù)處理方案只包含了與桌面文件靜態(tài)屬性相關的元數(shù)據(jù),不能反映用戶行為與文檔之間的關系。為此,提出一種基于用戶行為的動態(tài)元數(shù)據(jù)提取方案,該方案充分考慮桌面環(huán)境中與用戶行為相關的桌面上下文,如電子

3、郵件、文件目錄、瀏覽器緩存等。同時,通過對用戶隱反饋的分析來對上下文進行探測劃分。創(chuàng)建元數(shù)據(jù)生成器,以本體的形式將桌面元數(shù)據(jù)保存在個人計算機中。
　　已有的語義桌面系統(tǒng)對無結構文檔的處理能力較弱,其根本原因是難以從無結構文檔中提取有效信息。在傳統(tǒng)信息提取技術的基礎上,給出了一種基于本體的無結構文檔信息提取方案。該方案首先對文檔建立本體加以描述,然后分析本體中實體之間的多種潛在關系,如文本相連關系、文本共存關系、高頻率實體等,通過分

4、析這些關系來確定各候選實體的匹配系數(shù),從而確定被識別實體,并以XML的形式輸出。實驗表明,該方法能獲得較高的識別率和準確率。
　　要對桌面文檔進行搜索,需要某種信息檢索模型來支持,而信息檢索模型一直都是信息檢索領域的重要研究課題。在對傳統(tǒng)向量空間模型研究的基礎上,設計了一種基于本體的語義信息檢索模型,其工作重點包括:語義項權重的設計,各關鍵字之間的語義關系分析,以及語義特征向量之間的相似度計算策略等。在模型中,通過概念連通圖對不同

5、語義項之間的關系進行了重新考量,并將語義相似度的計算分為概念相似度和屬性相似度兩個方面,綜合考慮了二者在語義檢索中的作用,改善了檢索效果。
　　對檢索結果進行排序是文檔檢索的一個重要步驟。在對現(xiàn)有的Web排序算法和模式圖理論研究后,提出一種基于權威傳遞的檢索結果排序方法。該方法利用本體描述文檔之間權威傳遞的模式,通過設定不同的傳遞系數(shù),反映出文檔之間的不同連接線索對文檔聯(lián)系緊密程度的影響。實驗結果表明,該方法可將重要程度高的結果優(yōu)