基于语义网的查询扩展及其在富媒体信息检索中的应用

摘要

语义网(Semantic Web)是一种智能网络，它不但能够理解词语和概念，而且还能够理解它们之间的逻辑关系，使电脑更容易地理解语句和文章。在近几年，语义网有长足的发展，并应用在不同的领域，如文本挖掘和搜索引擎。结合其他方法的应用也层出不穷，而在与查询扩展的结合方向，现有的方法仍然不能满足处理的要求。因此本文提出了两种不同的新方法，并将其中一种应用到一个富媒体检索系统上，证明该方法的可行性。
　　本论文针对现有信息检索系统的不足，提出了一种结合相关规则和WordNet本体信息的查询扩展方法。该方法借助相关规则和WordNet本体信息构建加权词语关系图，并根据加权图的结构和权重信息计算扩展词的重要性。查询时，从这个图中先取原查询词的最邻近词作为扩展词来源，再选取其中权重最大的p个词返回并进行二次检索。在实现算法的基础上，通过Lucene全文检索器进行实验，将所得的结果值F1与其他算法的结果作比较，证明方法的有效性。
　　为了提高信息检索系统的查询性能，还提出了一种基于NMF(非负矩阵分解)和WordNet语义网的查询扩展方法。在该方法中，非负矩阵分解的结果和WordNet本体库被用来建立一个加权词图。每个单词的重要性是根据图形结构和权重来计算的。在查询的阶段，原始查询的最邻近词被选为扩展词，然后其中具有最大权重的词语将被用于第二次检索。该方法的贡献在于，它有效地结合在WordNet的语料库和语义信息的词相关性信息。
　　另外，还设计了一个基于富媒体的查询扩展系统。本查询扩展系统实现了面向移动互联网的富媒体信息建模与搜索，应用了第一种扩展方法。该系统能够自动对数据库的信息进行一键式的更新处理，能够自动分析用户的查询语句，对用户的查询请求进行个性化响应;并且能够接收用户的反馈信息。最后对结果进行了展示，证明系统的有效性。

目录

摘要

第一章 绪论

1．1 研究的目的与意义

1．2 研究热点和难点

1．3 本文的研究重点和创新点

1．4 本文的章节安排

第二章 概念及相关工作

2．1 基本概念

2．1．1 WordNet语义网

2．1．2 关联规则和相关规则

2．1．3 非负矩阵分解

2．2 方法回顾

2．3 相关的查询扩展模型

第三章 结合相关规则和本体加权图的查询扩展

3．1 基于关联规则的查询扩展方法

3．2 相关规则与WordNet本体图结合的查询扩展模型

3．2．1 相关规则词挖掘

3．2．2 加权词语关系图的构造

3．2．3 基于加权词语关系图的查询扩展

3．3 实验结果与分析

3．3．1 最小支持度阈值的设定

3．3．2 扩展词的个数对结果的影响

3．3．3 查询性能比较

3．4 本章小结

第四章 结合非负矩阵分解和本体加权图的查询扩展

4．1 非负矩阵分解在文本分析中的应用

4．2 语义本体在文本分析中的应用

4．3 非负矩阵分解与wordnet本体结合的查询扩展模型

4．3．1 利用非负矩阵分解获得词语基

4．3．2 构造词语加权图

4．3．3 基于词语加权图的查询扩展

4．4 实验结果与分析

4．4．1 扩展词的个数对结果的影响

4．4．2 查询性能比较

4．5 本章小结

第五章 语义网在富媒体信息检索中的应用

5．1 富媒体检索系统总览

5．2 富媒体查询系统设计

5．3 富媒体系统查询结果

5．4 本章小结

结论

参考文献

攻读硕士学位期间发表论文

声明

致谢