基于領域本體的語義擴展檢索算法的研究與應用.pdf

1、隨著信息爆炸時代的來臨，根據(jù)關鍵字進行搜索的查詢技術無法滿足用戶快速獲取信息和知識的需求。而信息化技術的深入發(fā)展與應用使得利用語義和知識進行信息搜索成為一種可能和必需。本體學習和本體技術可以挖掘文本信息中隱含的知識并對其進行加工和重用，面對結構各異、大量的文本數(shù)據(jù)，梳理領域知識規(guī)律并設計抽取算法，是困難的但是極具意義。在信息檢索中融入知識和語義，讓計算機具有一定語義理解能力和領域知識，可以更好地提高檢索效率和用戶滿意度。本文提出一個基于

2、人工智能算法的領域本體學習方法以及在此基礎上的語義檢索框架，并對這一框架的設計實施以及相關算法的智能化和創(chuàng)新性問題進行了討論和研究。在閱讀大量相關文獻的基礎以及領域專家參與下，總結出不同的領域知識在其文獻載體中的表現(xiàn)方式不一樣的規(guī)律，根據(jù)酶的領域知識特性，尋找易于實現(xiàn)合乎規(guī)律高效的方法。通過反復實踐探索如何運用知識在信息檢索中充分表達檢索意圖來提高信息檢索效率和滿意度。
　　本文首先提出一種基于統(tǒng)計學的本體學習方法。通過與綜合語料

3、庫的對比來定義領域術語的相關性。然后根據(jù)酶的領域知識特性，總結出某一種酶的領域知識存在于一定范圍的相關領域語料中，而在整個領域語料庫中均勻出現(xiàn)的術語是領域術語的謂詞關系，從而提出領域確定性的定義。通過將兩者結合來抽取領域術語，然后再抽取該術語的關系，并對提取結果進行語義過濾，提高本體學習的正確性，改善領域本體的構建效率。再運用人工蜂群算法對領域語料文本空間搜索來獲得術語及關系。為避免跟隨蜂選擇較優(yōu)蜜源的方式過于貪婪，使算法多樣性不足，在

4、跟隨蜂和引領蜂的搜索中加入方向性搜索信息，設計均勻選擇算子，通過與多目標優(yōu)化問題適應度的配合，擴大搜索區(qū)域，避免陷入局部最優(yōu)，使算法具有導向性。在構建的領域本體的基礎上，探討并初步實現(xiàn)了一個基于語義擴展的全文檢索框架，將語義與全文檢索有機結合起來，本體學習，構建領域本體，利用語義進行全文檢索，并對結果進行評價，將該結果反饋于本體學習以及蜂群算法的參數(shù)設置中，形成一個高效的智能檢索框架。最后對該智能語義檢索框架的各部分，本體學習，檢索效率

5、以及性能進行測試和分析。
　　本文創(chuàng)新性在于：總結領域語料庫中酶學領域知識中術語中心詞的概念在整個領域語料中只存在較少文本中，而領域知識中普遍存在的通用關系在語料庫中是均勻分布的。根據(jù)領域知識規(guī)律設計領域確定度作為抽取的標準，并加入權重和閾值；運用蜂群算法在語料抽取概念的過程中指定偵查蜂的初始行為并加入均勻選擇算子，加快迭代速度，保證解的多樣性；在全文搜索中，將文本中含有的本體元素計算權重作為檢索排序的一個重要標準，提出語義相關度