基于本体的信息过滤研究与实现

论文摘要

当今,网络上蕴涵着海量的信息,面对汪洋大海的信息,人们往往感到束手无策,产生垃圾信息的机会越来越多。然而传统的过滤系统,一般都是基于关键字匹配,没有语义的扩展,这样很多我们需要的结果都被过滤掉。如何根据需要对这些信息进行自动分类过滤,就成为信息技术领域的热门问题。本文充分利用本体论和语义Web的相关理论技术,将本体论语义模型应用到信息过滤领域,最终实现了一个基于本体的信息过滤系统。研究的内容有领域本体的建立、存储、读取。文本特征向量的生成、匹配向量过滤算法等几个方面。基于本体的过滤,将语义关系融入到系统,提高了过滤效果。本系统使用JAVA语言、Jena、Mysql数据库、Protege工具来设计显性类算法、显性类实例算法、隐性类、隐性类实例算法。最重要的是提出了一种基于关键字向量分散、融合技术。由于单个信息或者一个句子的查询匹配,会与各个领域的信息资源库进行比较。这样消耗了大量的查询时间,反而不能达到我们的要求。因此对各种信息的分散、融合显得尤为重要。本文提出的策略就是把源文档与领域本体融合,而对于源文档关键字特征提取采用分散。提高了过滤系统的准确率、查全率。本文研究的基于本体的信息过滤系统。主要包括:文档预处理模块、特征向量生成模块、文档特征向量提取模块、匹配模块、因子估算模块。该系统对模型中提出的策略和方法进行模块化和层次化,遵循语义Web的分层结构,为语义Web研究人员,商业团体提供了可借鉴的解决方案。最后,我们对过滤的关键算法进行了实验,在f=0.7的情况下,准确率为97.9%,召回率为96%。通过对实验数据结果的分析,表明本文的想法是正确和可行的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究动态
• 1.2.1 国际研究动态
• 1.2.2 国内研究动态
• 1.3 本文的主要工作
• 1.4 本文的结构组织
• 第二章 信息过滤及本体论概述
• 2.1 信息过滤与信息检索的区别
• 2.2 信息过滤的特点
• 2.3 信息过滤的分类
• 2.4 信息过滤的模型
• 2.5 基于本体信息过滤应用信息检索优势
• 2.6 本体论概述
• 2.6.1 本体论定义
• 2.6.2 本体论的建模原语
• 2.6.3 本体论的分类
• 2.6.4 本体论构造规则
• 2.6.5 OWL语言
• 2.6.6 本体应用开发工具Jena
• 第三章 信息过滤的性能评测标准
• 3.1 信息过滤的关键任务
• 3.1.1 命名实体识别
• 3.1.2 句法分析
• 3.1.3 篇章分析与推理
• 3.2 信息过滤系统的流程结构
• 3.3 信息过滤系统性能的评估
• 第四章 基于本体论的信息过滤技术研究
• 4.1 模型系统介绍
• 4.2 模型系统框架
• 4.3 用户界面模块设计
• 4.4 分词算法设计
• 4.4.1 机械分词方法
• 4.4.2 基于规则的分词算法
• 4.4.3 基于统计的分词算法
• 4.4.4 统计和规则相结合的方法
• 4.5 推理部分设计
• 第五章 信息过滤系统设计与实现
• 5.1 语义信息库的建立
• 5.1.1 领域本体的分析设计与建立
• 5.1.2 关键词词典的设计
• 5.2 OWL本体的解析
• 5.2.1 本体的读取
• 5.2.2 本体的结构化存储设计
• 5.3 文本预处理的实现
• 5.4 基于本体的文本信息过滤算法设计
• 5.4.1 显性类和隐性类算法设计
• 5.4.2 文本词频统计
• 5.4.3 文本特征向量与本体融合
• 5.4.4 向量匹配
• 5.4.5 因子估算模块
• 5.4.6 本体信息过滤结果显示
• 5.4.7 过滤结果性能分析
• 第六章 结论
• 参考文献
• 在学研究成果
• 致谢