基于本體進化的專題信息采集方法研究.pdf

1、互聯(lián)網(wǎng)的出現(xiàn),為人們提供了一個獲取信息的新渠道。人們在擁有一個呈爆炸式增長的信息源的同時,也面臨著如何從中快速準確地獲取與特定專題相關信息的難題。通用搜索引擎是目前最為常用的信息檢索工具,但由于其自身是面向大眾,很難及時、準確地為人們提供特定的專題信息。在這種情形下,面向專題的信息采集已然成為當前的研究熱點之一。
　　本文中,首先對國內外專題信息采集技術和本體進化的研究現(xiàn)狀作了簡單概述,介紹了網(wǎng)絡信息采集技術的基本原理和結構,以及

2、主要的發(fā)展方向,同時對文本相似度計算理論和本體相關理論進行了梳理。然后,針對互聯(lián)網(wǎng)上幾種信息來源設計相應的采集策略,包括目標網(wǎng)站全站遍歷、目標版塊定向跟蹤、RSS源定時增量更新。然后設計專題本體進化方案,主要內容有網(wǎng)頁內容提取、正文特征詞抽取、初始專題本體構建以及專題本體的進化。最后,設計實現(xiàn)實驗系統(tǒng),選取示例專題,構建初始專題本體,對本文提出的方法進行實驗驗證。
　　本文的主要工作在于:
　?、籴槍Σ煌男畔⒃丛O計相應的采