基于OHITS和OLSA的Web文檔檢索方法的研究與實(shí)現(xiàn).pdf

1、隨著Internet的迅猛發(fā)展，各種信息的不斷膨脹，如何有效而準(zhǔn)確地從Internet上獲取信息變得越來越重要和困難了。在前人研究的基礎(chǔ)上，本文針對(duì)Web文檔檢索的特點(diǎn)，提出了改進(jìn)算法，從而使得Web文檔檢索的結(jié)果更加準(zhǔn)確，更能夠符合用戶的需求。 要使得Web文檔檢索結(jié)果更加準(zhǔn)確，就必須實(shí)現(xiàn)語義層次的檢索。本體是概念語義的形式化描述，它是一個(gè)通用的概念分類體系，它能夠給概念提供具有上下文的語義支持。分類體系中一個(gè)概念的概率定義為

2、一個(gè)領(lǐng)域?qū)ο笤陔S機(jī)狀態(tài)下被劃歸為該概念的概率，這個(gè)概率是固定的。一個(gè)領(lǐng)域?qū)ο笤诒粍潥w一個(gè)概念的條件下被劃歸到其子概念的概率也是固定的，因此本文提出概念與概念之間的轉(zhuǎn)移概率。轉(zhuǎn)移概率可由領(lǐng)域?qū)＜医o出，也可根據(jù)統(tǒng)計(jì)獲得。但這些手段在實(shí)際應(yīng)用中計(jì)算本體概念概率時(shí)，可能存在一定的困難，因此本文提出了一個(gè)本體內(nèi)概念的概率計(jì)算方法。根據(jù)本體內(nèi)概念的概率，本文還提出了具有不對(duì)稱性的概念間語義相似度及其算法。 在Web文檔檢索領(lǐng)域中，鏈接分析和

3、內(nèi)容分析是兩個(gè)重要方法。其中HITS是鏈接分析的代表方法，而LSA是內(nèi)容分析的代表方法。針對(duì)傳統(tǒng)HITS算法具有主題漂移的缺點(diǎn)，本文利用本體概念間的相似度，計(jì)算出Web頁面間的相似度，并將該相似度作為鏈接權(quán)重，從而改進(jìn)了HITS算法，提出了OHITS算法。另外，本文針對(duì)傳統(tǒng)LSA在語義和位置以及特殊表現(xiàn)形態(tài)信息方面的丟失，提出了SIF和LSDIF的概念，并對(duì)LSA在語義和位置以及特殊表現(xiàn)形態(tài)信息進(jìn)行彌補(bǔ)，提出了OLSA。 本文通