語(yǔ)義網(wǎng)分析初探.pdf

1、隨著語(yǔ)義網(wǎng)研究的發(fā)展和技術(shù)的不斷進(jìn)步，新的語(yǔ)義網(wǎng)應(yīng)用不斷涌現(xiàn)，越來(lái)越多的語(yǔ)義網(wǎng)數(shù)據(jù)被在線發(fā)布。截至2009年，語(yǔ)義網(wǎng)搜索引擎Sindice報(bào)告已經(jīng)索引了超過(guò)4000萬(wàn)個(gè)語(yǔ)義網(wǎng)文檔。特別是近兩年來(lái)，隨著Linking Open Data項(xiàng)目的開(kāi)展，語(yǔ)義網(wǎng)上不同數(shù)據(jù)集的數(shù)據(jù)逐漸被互相鏈接起來(lái)，構(gòu)成了一個(gè)龐大的網(wǎng)絡(luò)結(jié)構(gòu)。因此，人們迫切需要了解目前語(yǔ)義網(wǎng)的宏觀結(jié)構(gòu)，特別是研究人員與應(yīng)用開(kāi)發(fā)人員需要掌握語(yǔ)義網(wǎng)的宏觀數(shù)據(jù)分布規(guī)律與形態(tài)特征，在此基礎(chǔ)

2、上探討語(yǔ)義網(wǎng)的未來(lái)發(fā)展或者有針對(duì)性地優(yōu)化應(yīng)用程序。 本文試圖通過(guò)分析和比較在不同時(shí)期以不同方式收集得到的真實(shí)的大規(guī)模語(yǔ)義網(wǎng)數(shù)據(jù)，推斷和預(yù)測(cè)未來(lái)語(yǔ)義網(wǎng)的發(fā)展趨勢(shì)和方向。通過(guò)對(duì)語(yǔ)義網(wǎng)數(shù)據(jù)進(jìn)行分析，也可以指導(dǎo)語(yǔ)義網(wǎng)搜索引擎的數(shù)據(jù)收集及數(shù)據(jù)檢索策略，便于更加全面和準(zhǔn)確地定位信息，為用戶提供更好的服務(wù)。 為了探索語(yǔ)義網(wǎng)的發(fā)展現(xiàn)狀，用網(wǎng)絡(luò)爬蟲(chóng)收集到近千萬(wàn)的語(yǔ)義網(wǎng)文檔，構(gòu)成數(shù)據(jù)集。對(duì)數(shù)據(jù)集進(jìn)行了數(shù)據(jù)來(lái)源分析，表明語(yǔ)義網(wǎng)文檔的注冊(cè)域名累

3、加分布滿足冪率分布：對(duì)語(yǔ)義網(wǎng)文檔的頂層域名分布的分析表明：語(yǔ)義網(wǎng)文檔的國(guó)家分布不均衡，來(lái)自于政府網(wǎng)站的語(yǔ)義網(wǎng)文檔數(shù)量大幅增加，部分中國(guó)站點(diǎn)尤其是一些國(guó)內(nèi)院校的網(wǎng)站也已開(kāi)始發(fā)布語(yǔ)義網(wǎng)數(shù)據(jù)。對(duì)所有語(yǔ)義網(wǎng)文檔解析總計(jì)得到超過(guò)四億個(gè)RDF三元組，以RDF三元組作為語(yǔ)義網(wǎng)文檔規(guī)模度量的單位，分析結(jié)果表明：語(yǔ)義網(wǎng)文檔的規(guī)模累加分布滿足冪率分布。分析了命名空間的使用情況，結(jié)果表明：與兩年前相比，RDFS和OWL越來(lái)越多地被使用，90％以上的文檔使用R