基于語義網(wǎng)的Web資源管理研究.pdf

1、獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。本論文除了文中特另]／Jrl以標(biāo)注和致謝的內(nèi)容外，不包含其他人或其他機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京信息工程大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。其他同志對(duì)本研究所做的貢獻(xiàn)均已在論文中作了聲明并表示謝意。學(xué)位論文作者簽名：塞3盎簽字日期：2Ql!：選：2Z關(guān)于論文使用授權(quán)的說明南京信息工程大學(xué)、國(guó)家圖書館、中國(guó)學(xué)術(shù)期刊(光盤版)雜

2、志社、中國(guó)科學(xué)技術(shù)信息研究所的《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文，并通過網(wǎng)絡(luò)向社會(huì)提供信息服務(wù)。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布(包括刊登)論文的全部或部分內(nèi)容。論文的公布(包括刊登)授權(quán)南京信息工程大學(xué)研究生院辦理。日公開口保密(——年——月)(保密的學(xué)位論文在解密后應(yīng)遵守此協(xié)議)學(xué)位論文作者

3、簽名：亟違盤簽字日期：絲!!：叢：羔2指導(dǎo)教師簽名：簽字日期：摘要隨著互聯(lián)網(wǎng)的迅速發(fā)展，Web資源急劇膨脹，目前已成為最重要的網(wǎng)絡(luò)資源。W|eb資源管理的主要目的是讓人們準(zhǔn)確、迅速的從多而雜的Wreb資源中找到感興趣的信息，將大量無序的信息提取出并用結(jié)構(gòu)化方式表示，以便于對(duì)資源的進(jìn)一步操作。本文結(jié)合語義網(wǎng)技術(shù)對(duì)Web資源的獲取、識(shí)別、分析、抽取、結(jié)構(gòu)化表示和查詢等進(jìn)行了研究。本體是關(guān)于概念及概念間關(guān)系的描述；RDF(ResourceDe

4、scriptionFramework)是語義網(wǎng)中用來描述資源的通用框架，使用RDF技術(shù)描述Web資源可以為Web資源賦予語義信息，提高資源管理的效率；目前已經(jīng)出現(xiàn)多種查詢RDF的語言，本文使用的SPARQL(SPARQLProtocolandRDFQueryLanguage)i吾言支持各種平臺(tái)和語言，對(duì)本地或遠(yuǎn)程使用都適合。本文的主要研究?jī)?nèi)容和成果如下：(1)Web資源獲取與解析。本文采用通過HTTP協(xié)議直接獲取Web資源的方法，獲取W

5、eb網(wǎng)頁(yè)；再使用微軟的開源庫(kù)將網(wǎng)頁(yè)轉(zhuǎn)換成XML格式，通過遍歷XML中所有節(jié)點(diǎn)，將有用信息轉(zhuǎn)換成DOM樹，最后使用相關(guān)控件將DOM樹從內(nèi)存中讀取出來，以實(shí)現(xiàn)Web資源解析；(2)Web資源抽取。結(jié)合用戶的需求和本體文件，生成抽取規(guī)則；并根據(jù)抽取規(guī)則遍歷DOM樹，完成Web資源的抽??；將本體引入信息抽取過程，可以解決同義詞或多義詞等問題，抽取結(jié)果包含了更多用戶感興趣的信息；(3)Web資源的RDF表示。通過對(duì)Redland庫(kù)進(jìn)行二次開發(fā)，將

6、抽取結(jié)果用RDF／XML語法表示并存儲(chǔ)在XML／RDF文件中；RDF技術(shù)的應(yīng)用使得抽取結(jié)果帶有更多的語義信息，更容易被機(jī)器處理；(4)Web資源的查詢。通過研究SPARQL語言的語法、語義以及具體使用等，可以對(duì)抽取結(jié)果進(jìn)一步處理。在以上研究工作的基礎(chǔ)上，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)Web資源管理系統(tǒng)。該系統(tǒng)主要包含Web資源獲取與解析、Web資源抽取、Web資源表示并對(duì)抽取結(jié)果進(jìn)行查詢等功能；本系統(tǒng)簡(jiǎn)單易用，用戶并不需要具備專業(yè)知識(shí)就可以找到自