時(shí)空要素驅(qū)動的事件網(wǎng)頁信息檢索方法研究.pdf

1、本文依托國家“863”課題“泛在空間信息關(guān)聯(lián)更新與面向主題時(shí)空信息挖掘研究”，探索面向事件的網(wǎng)頁文本獲取與檢索服務(wù)方法，為多源網(wǎng)絡(luò)信息的結(jié)構(gòu)化表達(dá)、事件時(shí)空序列重構(gòu)、可視化和挖掘分析提供數(shù)據(jù)支撐。本文圍繞事件網(wǎng)頁文本“數(shù)據(jù)獲取—組織管理—檢索服務(wù)”的技術(shù)主線，通過分析中文網(wǎng)頁文本中事件信息的語言描述和信息組織特征，以自然災(zāi)害事件為例，開展了時(shí)空要素驅(qū)動的事件網(wǎng)頁信息檢索引擎關(guān)鍵技術(shù)研究。主要研究內(nèi)容與結(jié)論包括以下幾個(gè)方面:
　　(

2、1)時(shí)空要素驅(qū)動的事件網(wǎng)頁獲取:通過對描述事件網(wǎng)頁文本內(nèi)容及特征進(jìn)行分析，構(gòu)建以時(shí)間、空間位置和事件主題為基本要素的事件表達(dá)模板;依據(jù)事件表達(dá)模板中的內(nèi)容，定制網(wǎng)絡(luò)爬蟲以獲取描述事件的網(wǎng)頁文本。實(shí)驗(yàn)表明，與傳統(tǒng)爬蟲相比，基于事件表達(dá)模板構(gòu)建的事件主題爬蟲具有良好的網(wǎng)頁過濾功能，獲取的網(wǎng)頁具有較高的精度，但是因?yàn)樵谥黝}爬蟲中引入了大量的計(jì)算，導(dǎo)致該爬蟲的性能相對有所下降。
　　(2)事件網(wǎng)頁“時(shí)間—空間—主題”分布式索引與存儲:利用

3、規(guī)則模型和條件隨機(jī)場模型實(shí)現(xiàn)了網(wǎng)頁文本中事件相關(guān)時(shí)間、空間位置和主題信息抽取，提出了基于支持向量機(jī)模型的網(wǎng)頁文本事件分類方法;構(gòu)建了基于“時(shí)間—空間—主題”的分布式索引，以解決檢索效率低的問題;基于HBase數(shù)據(jù)庫和HDFS文件系統(tǒng)，實(shí)現(xiàn)了海量網(wǎng)頁文本的分布式存儲。
　　(3)“文—圖”交互式事件網(wǎng)頁信息檢索服務(wù):通過歸納總結(jié)用戶檢索語句的描述特點(diǎn)，實(shí)現(xiàn)了事件信息檢索語句的自動解析;借鑒同義詞林的詞匯組織方式，構(gòu)建自然災(zāi)害事件領(lǐng)域