安徽大學(xué)人工智能期末論文

題目：網(wǎng)絡(luò)信息的智能化檢索姓名：XXX學(xué)號：XXXXXXXX日期：2013/12/19網(wǎng)絡(luò)信息的智能化檢索【摘要】計算機(jī)網(wǎng)絡(luò)特別是Internet的一個重要作用就是信息資源的共享和交流，所以，網(wǎng)上信息發(fā)布和信息檢索就是網(wǎng)絡(luò)應(yīng)用的主要內(nèi)容。隨著Internet的飛速發(fā)展，網(wǎng)上的站點越來越多，信息量也越來越大，如何使需求者從浩如煙海的網(wǎng)上信息中快速、準(zhǔn)確地找到自己所需的信息，已成為網(wǎng)絡(luò)信息檢索技術(shù)的重要課題。［1］【關(guān)鍵詞】網(wǎng)絡(luò)信息檢索，智能搜索引擎，智能信息檢索【引言】網(wǎng)絡(luò)信息資源急劇增長，信息的組織形式也多種多樣，呈現(xiàn)出非規(guī)范、開放、無序、分散等特點，網(wǎng)絡(luò)信息資源又具有高度的動態(tài)性，信息的發(fā)布有很大的隨意性，故死連接或不可得到的網(wǎng)頁連接經(jīng)常出現(xiàn)在檢索列表中。如何合理有效地對各類海量數(shù)字信息進(jìn)行組織、檢索、訪問和利用，如何有效利用互聯(lián)網(wǎng)的優(yōu)勢向用戶提供高質(zhì)量的數(shù)字信息服務(wù)，已成為亟待解決的問題。［2］1、智能搜索引擎對于一個搜索引擎來說，信息查全率和查準(zhǔn)率的意義是不言而喻的。那么，怎樣提高搜索引擎的信息查全率和查準(zhǔn)率呢？唯一的選擇就是引入智能技術(shù)，即變?nèi)斯に阉饕鏋橹悄芩阉饕?。一方面，為搜索引擎配置信息搜索程序，讓其自動尋找、發(fā)現(xiàn)網(wǎng)絡(luò)上新出現(xiàn)的信息（網(wǎng)站、網(wǎng)頁和新聞組等），并對其進(jìn)行自動分類、自動索引和自動摘要，并將分類或索引結(jié)果加入到搜索引擎（數(shù)據(jù)庫）之中。這樣，將有效提高搜索引擎的信息查全率。另一方面，為搜索引擎設(shè)計更強(qiáng)的信息檢索功能，如模糊檢索、概念檢索等。這類檢索技術(shù)能夠?qū)τ脩籼峁┑年P(guān)鍵詞進(jìn)行分析和理解，實現(xiàn)語義級而不僅僅是語法級的檢索，從而提高查準(zhǔn)率。當(dāng)然，最好的查詢方式莫過于自然語言查詢。所以，自然語言查詢接口將是提高搜索引擎查詢效果和效率的最佳技術(shù)?？梢钥闯?，智能搜索引擎的關(guān)鍵技術(shù)是自然語言處理和理解，包括自動分詞、自動句法分析、自動關(guān)鍵詞提取、自動文摘、自動分類、自動索引和模糊檢索、概念檢索等。［3］2、基于Agent的網(wǎng)上信息查詢Agent不僅在網(wǎng)絡(luò)管理和控制方面發(fā)揮作用，也可以在網(wǎng)上信息查詢方面大顯身手。網(wǎng)上信息查詢Agent可以根據(jù)檢索者事先定義的信息檢索要求，在網(wǎng)上實時監(jiān)視信息源的動態(tài)，及時獲取所需信息，并將其提供給檢索者。另外，還可以建立基于Agent的搜索引擎，從而進(jìn)一步提高智能搜索引擎的智能水平。［3］3、智能信息檢索系統(tǒng)3.1基于本體的智能信息檢索系統(tǒng)的構(gòu)建要實現(xiàn)基于本體的智能信息檢索，首先必須借助OWL、DAML+OIL等本體描述語言對應(yīng)用領(lǐng)域進(jìn)行形式化的、明確的描述，對應(yīng)用領(lǐng)域資源信息的屬性和聯(lián)系進(jìn)行定義，建立起該領(lǐng)域的本體模型，建立領(lǐng)域本體。3.1.1本體的概念及其構(gòu)造方法本體是概念化的明確解釋或表示［4］，這是目前比較認(rèn)同的本體定義。本體的目標(biāo)是捕獲相關(guān)領(lǐng)域的知識，提供對該領(lǐng)域知識的共同理解，確定該領(lǐng)域內(nèi)共同認(rèn)可的詞匯，并從不同層次的形式化模式上給出這些詞匯（術(shù)語）或詞匯之間相互關(guān)系的明確定義。一般而言，一個本體由以下幾個方面構(gòu)成：該領(lǐng)域?qū)ο箢惖膶哟误w系、對象類的屬性及屬性的取值范圍、對象之間除層次關(guān)系之外其它的語義關(guān)系、一定的推理規(guī)則即公理。本體有5個建?；侯悺㈥P(guān)系、函數(shù)、公理和實例，以此來嚴(yán)格且準(zhǔn)確地刻畫所描述的對象。建立本體時必須有領(lǐng)域?qū)＜液椭R工程師的參與，并且它是一個漫長的且枯燥乏味的手工過程。Ontology可以用表示概念的節(jié)點組成的有向圖表示，將概念分成3個方面：對象、事件、屬性，節(jié)點間的連線表示概念間的關(guān)聯(lián)。建立本體時需要確定本體所覆蓋的范圍，考慮重用現(xiàn)有的本體；列舉重要術(shù)語(概念)，給出明確定義，明確概念和概念之間的關(guān)系(如基本關(guān)系is-a,part-of等)，定義重要術(shù)語的屬性和性質(zhì)。本體的構(gòu)造方法可分為以下5個步驟［5］：確定本體論應(yīng)用的目的和范圍：這是建立本體的第一步，也就是所研究的領(lǐng)域或任務(wù)，建立相應(yīng)的領(lǐng)域本體論或過程本體，領(lǐng)域越大，所建本體就越大，因此需限制研究的范圍。本體分析：定義本體所有術(shù)語的意義及其之間的關(guān)系，該步驟需要領(lǐng)域?qū)＜业膮⑴c，專家對該領(lǐng)域了解越深入，所建本體就越完善。本體表示：一般用語義模型表示本體。本體檢驗：建立本體的基本標(biāo)準(zhǔn)是清晰性、一致性、完整性、可擴(kuò)展性。清晰性是本體中的術(shù)語無歧義地定義；一致性是術(shù)語之間關(guān)系邏輯上應(yīng)一致；完整性是指本體中的概念及其關(guān)系應(yīng)是完整的，應(yīng)包含該領(lǐng)域內(nèi)所有概念，但往往很難達(dá)到，需不斷完善；而可擴(kuò)展性，即本體應(yīng)該能夠擴(kuò)展，在該領(lǐng)域不斷發(fā)展時能加入新的概念。本體的建立：對所建立本體應(yīng)按以上標(biāo)準(zhǔn)進(jìn)行檢驗，符合要求的可以文件形式存放，否則轉(zhuǎn)⑵。3.1.2基于TSC方法和推理機(jī)的領(lǐng)域本體學(xué)習(xí)和一致性檢測兩階聚類(TSC)方法［6］,用于從中文文檔集中半自動化的建立本體并自動檢測本體的一致性。該方法是基于S0M［7］神經(jīng)網(wǎng)絡(luò)和分層聚類。在從Web文檔獲取資源的過程中用到了中文詞匯分析、XML路徑語言。建立兩階聚類方法的整體框架如圖2所示。首先，獲取我們想要得到本體的某個領(lǐng)域的Web文檔。其次，將這些文檔發(fā)送給SOM神經(jīng)網(wǎng)絡(luò)并分類。然后，對于得到的每一種文檔，通過詞匯分析識別出每篇文章中的對象和屬性，通過使用可擴(kuò)展標(biāo)記語言變換［8］提取結(jié)構(gòu)化的內(nèi)容。根據(jù)個體間的相關(guān)性建立數(shù)據(jù)矩陣，并計算每兩個個體間的歐幾里得距離。通過使用上面的兩階聚類，本體被描述成樹形，樹形能反映出父類和子類間的關(guān)系。子類可以表示比父類更具體的概念。最后，通過一個推理機(jī)來檢測本體，如果所建立的本體中有一些不一致的話，手工修改。3.1.3XML信息表示技術(shù)及通用的元數(shù)據(jù)描述工具RDF(S)可擴(kuò)展標(biāo)記語言(XML)是一種元標(biāo)記語言，是Internet環(huán)境中跨平臺的、依賴于內(nèi)容的技術(shù)，是處理分布式結(jié)構(gòu)信息的可選工具。該語言允許開發(fā)者隨意定義特殊領(lǐng)域和工作的擴(kuò)展，它基本上用已定義的方式來為樹結(jié)構(gòu)提供序列化語法，最終的目標(biāo)是應(yīng)用程序可以直接訪問語義網(wǎng)中的數(shù)據(jù)定義［9］。資源描述架構(gòu)(RDF)通過定義語法協(xié)定和簡單數(shù)據(jù)模型來表示機(jī)器可處理的數(shù)據(jù)語義。它是W3C組織開發(fā)的Web元數(shù)據(jù)的標(biāo)準(zhǔn)，并且它是基于對象、屬性和數(shù)值定義的數(shù)據(jù)模型。而RDFS則在豐富的表示形式上更深入了一步，并且把基本的原始建模引入到Web中。在基于Web的條件下，使用RDFS能夠討論類或子類、屬性或子屬性的領(lǐng)域和范圍約束等資源［9］。采用XML信息表示技術(shù)及通用的元數(shù)據(jù)描述工具RDF(S)，對網(wǎng)上信息建立規(guī)范化表述，把本體語言定義為RDFS的擴(kuò)展，使得每個RDFS本體在新語言中都是一個正確的本體。定義本體語言的擴(kuò)展盡可能的接近RDFS，以便最大程度上復(fù)用現(xiàn)有的基于RDFS的應(yīng)用和工具。通過使用已經(jīng)建立的領(lǐng)域本體以及采用元數(shù)據(jù)描述工具對網(wǎng)站信息描述后，使得網(wǎng)站上標(biāo)注的或者未標(biāo)注的信息具有語義和聯(lián)系。如網(wǎng)站按照已經(jīng)定義的本體對網(wǎng)站上的一篇文獻(xiàn)進(jìn)行規(guī)范化的描述，可對文獻(xiàn)的外在特征如題目、作者、作者工作單位、專利和科技報告還有專利號或報告號等進(jìn)行信息抽取，根據(jù)文獻(xiàn)的內(nèi)容特征對文獻(xiàn)進(jìn)行歸類，如按照本體的類的層次對該文獻(xiàn)所屬領(lǐng)域進(jìn)行歸類等。通過利用元數(shù)據(jù)信息和分類信息將大大提高信息資源查找效率。3.1.4信息檢索實現(xiàn)通過Web服務(wù)器端軟件，為用戶提供樹型分類目錄以及信息查詢的界面。采用語義分析相匹配的方法實現(xiàn)概念檢索，當(dāng)輸入自然語言進(jìn)行檢索時，分詞處理是關(guān)鍵，主要是獲取分詞結(jié)果中的對象的語義，在查詢請求和該對象在語義內(nèi)容上的匹配和比較的過程中進(jìn)行判斷，檢索過程將對待檢索的對象進(jìn)行語義分析，并與該對象所屬分類的屬性進(jìn)行比較，得出該對象的判斷結(jié)果并返回給用戶?；贠ntology可以將同義詞擴(kuò)展檢索、語義蘊(yùn)涵、外延擴(kuò)展檢索、語義相關(guān)擴(kuò)展檢索等技術(shù)與信息檢索結(jié)合起來，提供交互式的智能化信息檢索服務(wù)，而信息檢索的結(jié)果(如網(wǎng)頁)可以作為知識檢索的背景內(nèi)容。基于Ontology的語義檢索的基本思想，可概述如下：在領(lǐng)域?qū)＜业膸椭拢⑾嚓P(guān)的領(lǐng)域本體；收集信息源中的數(shù)據(jù)，并參照已建立的本體把收集來的數(shù)據(jù)按規(guī)定格式存儲在元數(shù)據(jù)庫(RIB，KDB等)中；對用戶檢索界面獲取的查詢請求，查詢轉(zhuǎn)換器按照Ontology把查詢請求轉(zhuǎn)換成規(guī)定的格式，在Ontology的幫助下從元數(shù)據(jù)庫中匹配出襯合條件的數(shù)據(jù)集合；檢索的結(jié)果經(jīng)過定制處理返回給用戶。4、總結(jié)信息檢索的分布化和網(wǎng)絡(luò)化、開放性和集成性要求越來越高，使得要采用相應(yīng)的信息組織方式和信息檢索技術(shù)來檢索和整合不同來源和結(jié)構(gòu)的信息。信息檢索在互聯(lián)網(wǎng)信息日益增長的情況下起著非常重要的作用。本體論在信息檢索中的應(yīng)用正受到越來越多的關(guān)注。其中，基于Ontology信息檢索系統(tǒng)模型能夠通過與本體論的交互，將用戶提出的檢索要求進(jìn)行語義上的擴(kuò)充，有效地防止了有用信息的丟失，同時將檢索得來的原文檔通過文檔分析器進(jìn)行過濾，篩選出能更好匹配檢索要求的文檔，增加了檢索結(jié)果的準(zhǔn)確度，使用戶避免了大量無用信息的人工篩選。此外，智能搜索引擎和Agent的使用，也大大減少了用戶對搜索信息結(jié)果的甄別時間。這樣，就使德檢索結(jié)果在較大程度上符合用戶的真正需求。參考文獻(xiàn)：廉師友?人工智能技術(shù)導(dǎo)論(第三版)?西安電子科技大學(xué)出版社,2007.高琳，夏清國,王黎明?基于本體的智能信息檢索系統(tǒng)的構(gòu)建方法[J].計算機(jī)工程與設(shè)計.2008.12.第29卷24期.廉師友?人工智能技術(shù)導(dǎo)論(第三版)?西安電子科技大學(xué)出版社,2007.GruberTR.Towardprinciplesforthedesignofontologiesusedforknowledgesharing[J].IntJournalofHumanandComputerStudies,1995,43:907-928.⑸董慧.基于本體論和數(shù)字圖書館的信息檢索[J].情報學(xué)報,2003,22(6):1-2.BaiXi,SunJigui,LiZehai,etal.DomainontologylearningandconsistencycheckingbasedonTSCapproachandracer[C].Springer-VerlagBerlinHeidelberg,2007:148-162.ZhiqingM,HongcanZ,YihuaZ,etal.Aclusteringalgorithmfor