基于Web的實體信息搜索與挖掘研究.pdf

1、隨著網絡技術的迅猛發(fā)展，當今的萬維網出現(xiàn)了多代共存、共同發(fā)展的新局面。傳統(tǒng)萬維網(Web1.0)構成了當今萬維網的主體。社會化萬維網(Web2.0)近年來飛速發(fā)展，成為了當今萬維網的新興力量。同時，為了能夠讓機器和人一樣地理解并處理各種網絡數據，人們正積極推進語義萬維網技術的發(fā)展，并預期其將成為下一代網絡的主流載體(Web3.0)。所有這些網絡的應用均層出不窮，各類實體描述信息散布其間。這給用戶帶來便利的同時也帶來了一個關鍵的問題，即信

2、息過載。如何從這一巨大而復雜的信息空間中，有效地找到用戶所需要的各類實體信息也成為近年來的一個研究熱點。根據這一需求，本文分析了各代網絡的特點，提出了在Web1.0、2.0和3.0中進行實體信息檢索與挖掘的概念，針對每代網絡進行了體系化的理論研究工作，并提出了一系列的挖掘算法。 在傳統(tǒng)網絡(Web1.0)中，大部分研究工作都以提供用戶最為相關的網頁為目標，而現(xiàn)實中，越來越多的用戶開始關心網頁內部所蘊含的信息，而非網頁本身。針對這

3、一需求，本文第一部分提出了以下算法對網頁中的實體信息進行挖掘：1)專家搜索：本文提出了基于概率的細粒度專家搜索模型。2)專家.技術隱式關聯(lián)挖掘：本文提出了多類型的可分混合模型用于高效地挖掘專家和技術之間的隱式關聯(lián)。3)競爭者挖掘：本文提出了一個創(chuàng)新的算法(CoMiner)用于從網上自動地挖掘領域無關的競爭對手信息。4)時間關聯(lián)的事件挖掘：本文提出了一個新的算法(TESer)用于挖掘網絡中的事件信息并按照時間進行整合。 Web2.

4、0的快速發(fā)展帶來了大量對網頁、圖片、論文、專家等實體進行的大眾標注，比如De1.icio.us書簽網、Flickr圖片共享網等。本文第二部分分析Web2.0的特性，挖掘其中的各種實體關系，并用挖掘到的信息改善各種現(xiàn)有的應用：1)社會化搜索：本文提出了兩個新算法分別用于改進網頁搜索的動態(tài)排序和靜態(tài)排序。2)社會化語言模型：本文提出了一個語言標注模型用來進一步改進語言模型的檢索效果。3)社會化瀏覽：本文提出了一個改進的網頁瀏覽算法，該算法能

5、夠充分地利用網頁標注之間的語義關聯(lián)和隱含的層次信息。 為了讓機器也能理解網絡信息，人們提出了語義萬維網。目前語義萬維網正處于早期發(fā)展階段。作為現(xiàn)有萬維網的下一個自然擴展，本文將其稱為Web3.0。本文第三部分對Web3.0的構建及其應用進行了探討性的研究：1)語義浮出：通常語義萬維網通過專家定義本體信息來構建，本文提出了基于社會化標注自動浮出層次化語義的算法。2)語義應用：本文進一步將語義信息應用到Web服務組合中，并提出了一個