網(wǎng)頁數(shù)據(jù)多層語義抽取技術(shù)研究.pdf

1、網(wǎng)絡數(shù)據(jù)是分層處理的，數(shù)據(jù)的語義信息存在于網(wǎng)絡體系結(jié)構(gòu)的每一層中。基于這一思想，提出了一種網(wǎng)絡數(shù)據(jù)多層語義描述方法。將網(wǎng)絡數(shù)據(jù)語義分為弱、中、強三個語義域，不僅描述其主題、關(guān)鍵詞、標題等內(nèi)容語義，也描述其地址、協(xié)議、服務質(zhì)量等物理信息，以及熱度、重復度等統(tǒng)計信息，全面反映網(wǎng)絡數(shù)據(jù)的語義特性。
　　 本文在分析網(wǎng)絡分層結(jié)構(gòu)和各層協(xié)議的基礎上，定義網(wǎng)頁exUCL標簽來描述網(wǎng)頁數(shù)據(jù)語義信息，建立網(wǎng)頁數(shù)據(jù)多層語義抽取系統(tǒng)，對網(wǎng)頁數(shù)據(jù)進行

2、分層語義抽取。闡述了該系統(tǒng)中各模塊功能的實現(xiàn)方法，對各模塊中分別涉及的關(guān)鍵技術(shù)等進行了研究。設計了各個模塊的算法流程圖，在實驗室環(huán)境下，通過在線和離線分析數(shù)據(jù)包，成功抽取出了網(wǎng)頁exUCL語義標簽各語義域字段的大部分字段內(nèi)容。生成了標簽，實現(xiàn)了課題研究的對網(wǎng)頁數(shù)據(jù)進行分層語義抽取的目的。
　　 最后研究了基于標簽庫的句子相似度計算方法，為以后構(gòu)筑exUCL語義向量空間，通過計算語義向量相似度實現(xiàn)網(wǎng)絡數(shù)據(jù)的語義映射奠定了基礎。