RDF圖的語義相似性度量方法研究.pdf

1、隨著互聯(lián)網(wǎng)上數(shù)據(jù)的急劇增長,關(guān)鍵字檢索的不足逐漸顯現(xiàn)出來。關(guān)鍵字檢索只能提供有限的結(jié)構(gòu)化查詢能力,丟失語義信息;此外,關(guān)鍵字檢索不具備查詢優(yōu)化的能力,造成返回的檢索結(jié)果數(shù)據(jù)量巨大。用戶從互聯(lián)網(wǎng)上獲取所需信息的難度越來越大。
　　 對象級別信息檢索可以有效地解決關(guān)鍵字檢索的問題,它已經(jīng)引起越來越多的關(guān)注和研究。對象級別信息檢索以對象的觀點來建模關(guān)系數(shù)據(jù),直觀的描述了信息的語義,檢索結(jié)果不是僅包含關(guān)鍵字的文本信息而是包含完整實體信息

2、的對象,容易被用戶理解。為了實現(xiàn)對象級別信息檢索,選擇一種描述對象的工具是至關(guān)重要的,本文選用RDF來描述對象。RDF是W3C組織推薦的描述萬維網(wǎng)上元數(shù)據(jù)的標(biāo)準(zhǔn),因此越來越多的信息通過RDF圖來描述。
　　 本文對主流的RDF圖表示對象的語義相似性度量方法進行了研究,分析其優(yōu)缺點,提出了SaS(StructureandSemantics)方法。SaS方法改進了RadowOldakowski(RO方法)的RDF圖語義相似度算法,反