（计算机应用技术专业论文）基于概念图匹配的语义搜索.pdf

基于概念图匹配的语义搜索 摘要 w e b 的飞速发展已经使它成为世界上最大的一个信息库，但是“信 息过载”问题又降低了它的可用性。当人们依赖于搜索引擎和信息检索 技术来寻找信息的时候，却发现目前的关键词搜索方法在很多情况下并 不能很好地满足他们的信息需求。究其原因是因为仅仅使用关键词并没 有明确地表达出用户查询的语义，即便是使用查询扩展和词义消歧的技 术也不能完全解决这个问题。于是，对“语义搜索”的要求便应运而生。 由于其跨领域的特性，语义搜索至今还没有一个公认的定义。不过， 自然语言处理、文本挖掘、知识表示及推理等方面工作的大幅进展，以 及语义网的兴起，已经大大推动了“语义搜索”的相关研究。本文所要 解决的语义搜索是一种基于明确的、形式化定义的语义信息而进行的匹 配查询内容的搜索技术。针对本文所面向的问题域匹配文本描述内 容的资源搜索，并且在比较了各种语义搜索常用的知识表示语言的特点 之后，我们最终选取了概念图来作为我们方法中的语义表示。它是一种 具有一阶谓词逻辑的完整表达能力的图形化表示，因而可以把语义匹配 归约到图匹配，而又不失逻辑的严密性。 本文的主要工作和贡献( 创新点) 可以概括为以下几个方面： 1 提出了一种限制到概念图的一个子集上的知识表示，以达到可以 在语义匹配时把概念图展开成树的形式的目的，但同时又保留了相对本 文的问题域而言是足够的表达能力。我们根据资源搜索的领域特征，为 每张概念图指定一个入口概念，并且对互指链接、支配概念等方面都做 了严谨的约束。该设计的结果是在概念图中保留了对否定描述的表达能 力，故而基本可以满足所有与资源搜索相关的概念图表示；同时又为之 后降低图匹配的计算复杂度打下了基础。 2 利用概念和关系的类型层次，定义了一种新的概念相似度和关系 相似度，在本体各部分有不同“密度”以及相似度的非对称性等方面做 了细化。从经典的概念图理论出发，我们通过概念和关系在类型层次上 途经最近公共父类的语义距离来导出相似度的定义。但同时，我们又在 其中引入了本体不同部分有不同“密度”的思想，为本体的不同层次之 间定义了不均匀的跨度。随后，我们又根据资源查询的特点，讨论了概 念相似度和关系相似度的几个非对称定义的变种，这为最后定义概念图 之间相似度的工作做好了铺垫。 3 在评判概念相似度方面，进一步提出了一种基于模糊逻辑的新方 法来表示颜色描述的语义，并为之关联一组相应的相似性量度。该项工 作展示了在数值空间发掘概念的“更深层次”语义的意义。有研究表明， 某些概念仅仅利用概念层次来决定语义相似度是不够的，颜色概念就是 一个典型的例子。我们从颜色空间模型上发掘颜色描述的“更深层次” 的语义，利用h s l 颜色空间三个分量上的隶属函数的合成来定义任意一 个非彩色颜色或彩色颜色的模糊语义，并且采用模糊概念图的逻辑形式 来表示这类语义信息。之后，我们又依据上述定义的隶属函数，针对查 询色和资源色的不同组合设计了一组相应的相似度评判函数。实验证明 该方法有助于减小相似度评判与人类感知之间的语义鸿沟。 4 引入了一个基于演绎推理的知识增益过程，来帮助获得更准确的 语义匹配结果。设计这样一个过程的目标是要尽量消除同义异构现象给 匹配带来的负面影响，并且借助世界知识在已有的概念图中加入推理出 来的被隐含的信息。为此，我们定义了图规则( 即背景知识) 的表示形 式，并从概念图的一阶推理法则中导出了一条经过简化的、适用于我们 知识表示( 包括表示资源和表示规则的概念图) 的推理法则。该法则确 保了推理过程的可靠性，但在某些情况下可能会牺牲完备性。不过，基 于问题域的特性，我们认为后者是可以接受的：我们并不是要得到所有 为真的知识。最后，我们还对知识增益过程的触发以及终止条件做了规 范，以保证该过程的有效性。 5 通过对用户搜索行为的建模，为概念图设计了一个涵盖过滤和排 序两类操作的混合匹配模型。该模型在概念图转换成树结构的基础上， 分别规定了在过滤条件和排序条件下，子树匹配相似度的不同定义方法， 以及最后如何合成为查询图( 树) 和资源图( 树) 之间的匹配量度。整 个相似度的计算过程是递归定义的，并且概念相似度与关系相似度是紧 密耦合的，这样就最大限度地保留了语义结构的信息。此外，所设计的 相似度定义还兼容了对否定条件的处理，并且利用两类调谐因子来增加 匹配过程的灵活性。通过对匹配算法主体的时间复杂度分析，证明为多 项式时间的算法，因而可以保证其在实际应用中的有效性。 在实际中，我们实现了一个名为a l p h a 的原型系统，并选用服装 领域来验证我们的方法。从实验结果来看，本文所提出的语义搜索方法， 其表现要整体优予关键词匹配的搜索，而响应时间则因为一些预处理的 步骤而基本可比于后者。因为并未针对所选的应用领域做特别的限制或 优化，所以我们相信该方法具有普适性，也可以部署到其他领域的资源 搜索的应用中。此外在理论方面，本文提出了基于数值空间的“更深层 次”的语义表示和匹配，以及融合了过滤( 精确) 和排序( 不精确) 条 件的混合匹配模型，对于在精确的语义搜索模型中引入模糊的、不精确 的语义部分进行了有益的探索。 关键词：语义搜索，信息检索，概念图，语义相似度，模糊不精确 语义，混合匹配模型 s e m a n t i cs e a r c hb ym a t c h i n g c o n c e p t u a lg r a p h s a b s t r a c t t h et r e m e n d o u s l yr a p i dd e v e l o p m e n to ft h ew e bh a sm a d ei tt h el a r g e s t i n f o r m a t i o nb a s et h a th u m a nb e i n g sh a v ee v e rh a d h o w e v e r , i n f o r m a t i o n o v e r l o a d i sr e d u c i n gt h eu s a b i l i t yo fi t w h e np e o p l et u r nt od e p e n do n s e a r c he n g i n e sa n di n f o r m a t i o nr e t r i e v a lt e c h n i q u e st ol o c a t ei n f o r m a t i o n t h e yw a n t ，t h e yt e n dt od i s c o v e rt h a tt h ec u r r e n tm e t h o d sb a s e do nk e y w o r d m a t c h i n go f t e nf a i lt ow e l lm e e tt h e i ri n f o r m a t i o nn e e d s i ti sm a i n l yb e c a u s e m e r e l yu s i n gk e y w o r d si sn o ts u f f i c i e n tf o rc l e a r l yd e s c r i b i n gt h es e m a n t i c s i nu s e rq u e r i e s e v e nb ya d o p t i n gq u e r ye x p a n s i o no rw o r ds e n s ed i s a m - b i g u a t i o n , t h ei s s u es t i l le x i s t s ，w h i c hr e q u e s t st h ee m e r g e n c eo f “s e m a n t i c s e a r c h c h a r a c t e r i z e da sc r o s s - d i s c i p l i n a r y , s e m a n t i cs e a r c hh a sn o t y e tg o ta w e l l a c k n o w l e d g e dd e f i n i t i o n h o w e v e r , t h e n o t i c e a b l e d e v e l o p m e n ti n n a t u r a ll a n g u a g ep r o c e s s i n g ，t e x tm i n i n g ，k n o w l e d g er e p r e s e n t a t i o na n di n f e r e n c e ，e t c ，t o g e t h e rw i t ht h er i s i n go ft h es e m a n t i cw e b ，h a sg r e a t l yd r i v e n t h er e s e a r c h e s0 1 1t h et o p i co f “s e m a n t i cs e a r c h t h es e m a n t i cs e a r c ht h i s p a p e rt r i e st oa t t a c kc a nb ed e f i n e da sak i n do fs e a r c ht e c h n i q u et h a tp e r - f o r m sq u e r yc o n t e n tm a t c h i n gb a s e do ne x p l i c i t l ya n df o r m a l l yd e f i n e d s e m a n t i ci n f o r m a t i o n a i m e da tr e s o u r c es e a r c hb ym a t c h i n gt h ec o n t e n to f t e x td e s c r i p t i o n s ，w ec h o o s ec o n c e p t u a lg r a p h sa st h es e m a n t i cr e p r e s e n t a - t i o ni no u ra p p r o a c h ，a f t e rw ec o m p a r e dav a r i e t yo fk n o w l e d g er e p r e s e n t a - t i o nl a n g u a g e st h a ta r ec o m m o n l yu s e di ns e m a n t i cs e a r c h c o n c e p t u a l g r a p h sa r eag r a p h i cr e p r e s e n t a t i o nf o rl o g i cw i t ht h ef u l le x p r e s s i v ep o w e r o f f i r s t - o r d e rl o g i c h e n c e ，t h ei s s u eo fs e m a n t i cm a t c h i n gc a nb er e d u c e dt o g r a p hm a t c h i n g ，w i t h o u tl o s so f t h er i g o ri nl o g i c t h em a i nc o n c e r n sa n dc o n t r i b u t i o n s ( i n n o v a t i o n s ) o ft h i sp a p e rc a nb e c o n c l u d e da sf o l l o w s ： 1 i tp r o p o s e st h ek n o w l e d g er e p r e s e n t a t i o nt h a ti sr e s t r i c t e dt oa s u b s e to ft h ec o n c e p t u a lg r a p hn o t a t i o n ，s ot h a tt h eg r a p h sc a nb ee x - p a n d e dt ot r e e sd u r i n gs e m a n t i cm a t c h i n g ，w h i l es t i l lr e t a i n i n ge n o u g h e x p r e s s i v e n e s sr e g a r d i n gt h ep r o b l e md o m a i n a c c o r d i n gt ot h ec h a r a c t e r - i s t i c so fr e s o u r c es e a r c h ，w ed e s i g n a t ef o re a c hc o n c e p t u a lg r a p ha l le n t r y c o n c e p ta n dm a k er i g o r o u sc o n s t r a i n t so nc o r e f e r e n c el i n k s ，d o m i n a t i n gc o n - c e p t sa n d s oo n s u c hd e s i g ne n s u r e st h a tt h es u b s e ti ss t i l le x p r e s s i v ee n o u g h t om o d e ln e g a t i o n ss ot h a tm o s td e s c r i p t i o n si nr e s o u r c es e a r c hc a nb er e p r e s e n t e d ，a n dm e a n w h i l ei tm a k e sp o s s i b l et h ea l l e v i a t i o no ft h ec o m p u t a t i o n c o m p l e x i t yi ng r a p hm a t c h i n g 2 i td e f i n e san e ws e to fc o n c e p t u a ls i m i l a r i t ya n dr e l a t i o n a ls i m i - l a r i t yb yu s i n gt h et y p eh i e r a r c h yo fc o n c e p t sa n dt h a to fr e l a t i o n s ，r e - s p e c t i v e l y f r o mt h ec l a s s i c a lc o n c e p t u a lg r a p ht h e o r yw ed e r i v et h ed e f m i t i o no ft h es i m i l a r i t yb e t w e e nc o n c e p t sa n dt h a tb e t w e e nr e l a t i o n sa st h es e m a n t i cd i s t a n c em e a s u r e db yt h ep a t ht h r o u g ht h e i rc l o s e s tc o m m o np a r e n t a l o n gt h et y p eh i e r a r c h y o nt h eo t h e rh a n d ，w ei n c o r p o r a t et h et h o u g h tt h a t d i f f e r e n tp a r t so fa no n t o l o g yp o s s e s sd i f f e r e n t d e n s i t y a n dh e n c ea s s i g n u n e v e ni n t e r v a l sb e t w e e nd i f f e r e n to n t o l o g yl a y e r s t a k i n gt h ec h a r a c t e r i s t i c s o fr e s o u r c es e a r c hi n t oc o n s i d e r a t i o n , w ef u r t h e rd i s c u s ss e v e r a la s y m m e t r i c a l l yd e f i n e dv a r i a t i o n so ft h ec o n c e p t u a ls i m i l a r i t ya n dt h er e l a t i o n a ls i m i 1 a r i t y , w h i c hu n d e d i e st h ed e f i n i t i o no f t h eg r a p hs i m i l a r i t y 3 i nh o wt oe v a l u a t ec o n c e p t u a ls i m i l a r i t y , i tf u r t h e rp r o p o s e sa n o v e la p p r o a c hb a s e do nf u z z yl o g i ct or e p r e s e n tt h es e m a n t i c so fc o l o r d e s c r i p t i o n s ，a s s o c i a t e d w i t ha c o r r e s p o n d i n gc o l l e c t i o n o fs i m i l a r i t y m e a s u r e s t h i sr e s e a r c hd e m o n s t r a t e st h ev a l u eo fe x p l o i t i n g “d e e p e r s e m a n t i c so fc e r t a i nc o n c e p t so nn u m e r i c a ls p a c e s i th a sa l r e a d yb e e n r e c o g n i z e dt h a tt h ec o n c e p th i e r a r c h ya l o n ei sn o ts u f f i c i e n tt od e t e r m i n e t h e s e m a n t i cc l o s e n e s so fc e r t a i nc o n c e p t s ，w h i c hi st y p i c a li nt h ee x a m p l eo f c o l o r t h i sl e a d su st oe x p l o i t “d e e p e r s e m a n t i c so fc o l o rd e s c r i p t i o n so n c e r t a i nc o l o rs p a c em o d e l s w ef i r s td e f i n et h ef u z z ys e m a n t i c so fa na r b i t r a r y c o l o r , e i t h e ra c h r o m a t i co rc h r o m a t i c ，a st h ec o m p o s i t eo fa l lt h et h r e et o m - p o n e n tm e m b e r s h i pf u n c t i o n so nt h eh s lc o l o rs p a c e ，i nt h el o g i cf o r mo f f u z z yc o n c e p t u a lg r a p h s i nt e r m so ft h em e m b e r s h i pf u n c t i o n sd e f i n e d ，w e t h e nd e s i g nac o l l e c t i o no fs i m i l a r i t ye v a l u a t i o nf u n c t i o n sf o rd i f f e r e n tt o m - b i n a t i o n sb e t w e e naq u e r yc o l o ra n dar e s o u r c eo n e 砀ee x p e r i m e n t a lr e s u l t s h a v es h o w nt h a ts u c ham o d e l h e l p st or e d u c et h es e m a n t i cg a pb e t w e e nt h e s i m i l a r i t ye v a l u a t i o na n dt h eh u m a np e r c e p t i o n 4 i ti n t r o d u c e sak n o w l e d g ee n r i c h m e n tp r o c e d u r eb yd e d u c t i v ei n - f e r e n c e ，t om a k em o r ep r e c i s et h es e m a n t i cm a t c h i n g w ee x p e c tt h i sp r o c e d u r et ou n i 匆n o n - i s o m o r p h i cs e m a n t i cr e p r e s e n t a t i o n sa n dt oa d dt ot h e e x i s t i n gg r a p h sn e wi n f o r m a t i o ni m p l i e db yw o r l dk n o w l e d g e t oa c h i e v e s u c hag o a l ，w ed e f i n et h er e p r e s e n t a t i o no fg r a p hr u l e s ( i 。e 。b a c k g r o u n d k n o w l e d g e ) a n dt h es i m p l i f i e dr u l eo fi n f e r e n c et h a ti sd e r i v e df r o mt h e f i r s t - o r d e rr u l e so fi n f e r e n c ef o rc o n c e p t u a lg r a p h sb u tb e t t e rf i t so u rk n o w l e d g er e p r e s e n t a t i o n ( i n c l u d i n gt h ec o n c e p t u a lg r a p h sd e n o t i n ge i t h e rt h er e s o u r c e so rt h er u l e s ) t h er u l eo fi n f e r e n c eg u a r a n t e e ss o u n d n e s s w h i l ei t m a yu n d e rc e r t a i nc i r c u m s t a n c e ss a c r i f i c ec o m p l e t e n e s s c o n s i d e r i n gt h e c h a r a c t e r i s t i c so f t h ep r o b l e md o m a i n h o w e v e r , w et h i n kt h el a t t e ri st os o m e e x t e n ta c c e p t a b l e ，b e c a u s eo u rk n o w l e d g ee n r i c h m e n ti sn o tt og e te v e r y t h i n g t h a ti st r u e w ea l s os p e c i f yw h e nt ot r i g g e ro rt e r m i n a t eak n o w l e d g ee l l - r i c h m e n tp r o c e d u r e ，i no r d e rt oe n s u r ei t se f f e c t i v e n e s s 5 i td e s i g n sah y b r i dm a t c h i n gm o d e lf o rc o n c e p t u a lg r a p h sc o v e r - i n gb o t hf i l t e r i n ga n dr a n k i n go p e r a t i o n sb ym o d e l i n gu s e r s s e a r c hb e - h a v i o r a r e rc o n c e p t u a lg r a p h sa r ec o n v e r t e di n t ot r e e s ，t h em o d e lr e s t so n d i f f e r e n tm e a s u r e st oe v a l u a t et h es i m i l a r i t yb e t w e e ns u b t r e e su n d e rf i l t e r i n g a n dr a n k i n gc o n d i t i o n s ，r e s p e c t i v e l y , a n df o r m u l a t e sh o wt oc o m b i n et h et w o k i n d so fs i m i l a r i t yt or e p r e s e n tt h es i m i l a r i t yb e t w e e nt h eq u e r yg r a p h ( t r e e ) a n dt h er e s o u r c eo n e t h ec a l c u l a t i o ni si t e r a t i v e l yc a r r i e do u ta n dt h ec o n - c e p t u a ls i m i l a r i t yi st i g h t l yc o u p l e dw i t ht h er e l a t i o n a ls i m i l a r i t y , w h i c hf u r - t h e s tr e t a i n st h es e m a n t i cs t r u c t u r e m o r e o v e r ，t h ed e v i s e ds i m i l a r i t ya d - d r e s s e sn e g a t i o n sa n do f f e r sf l e x i b i l i t yd u r i n gm a t c h i n gb yu s i n gt w ok i n d so f t u n i n gf a c t o r s a f t e ra n a l y z i n gt h et i m ec o m p l e x i t yo f t h ep r i n c i p a lp a r ti nt h e g r a p hm a t c h i n ga l g o r i t h m ，w ep r o v ei tp o l y n o m i a l ，w h i c hg u a r a n t e e si t se l - f e c t i v e n e s si nr e a la p p l i c a t i o n s i np r a c t i c e w ei m p l e m e n t e dap r o t o t y p es y s t e mn a m e da l p h aa n d c h o s et h ec l o t h i n gd o m a i nt od e m o n s t r a t eo u ra p p r o a c h t h ee x p e r i m e n t a l r e s u l t sh a v es h o w nt h a tt h eo v e r a l lp e r f o r m a n c eo ft h ep r o p o s e ds e m a n t i c s e a r c ha p p r o a c hi ss u p e r i o rt oak e y w o r d - m a t c h i n g b a s e do n e ，w h i l ei t sr e s p o n s et i m ei sa l m o s tc o m p a r a b l et ot h el a t t e rd u et oc e r t a i np r e p r o c e s s i n g o p e r a t i o n s s i n c et h e r ei sn or e s t r i c t i o no ro p t i m i z a t i o np a r t i c u l a r l yd e s i g n e d f o rt h ec h o s e na p p l i c a t i o nd o m a i n ，w eb e l i e v et h ea p p r o a c hi sa p p l i c a b l et o o t h e rd o m a i n sc o n c e r n i n gr e s o u r c es e a r c h o nt h eo t h e rh a n d ，t h i sp a p e r t h e o r e t i c a l l yp r o p o s e st h er e p r e s e n t a t i o na n dm a t c h i n go f d e e p e r s e m a n t i c s b a s e d0 1 1n u m e r i c a ls p a c e s ，a n dt h eh y b r i dm a t c h i n gm o d e lt h a ti n t e g r a t e s b o t ht h ef i l t e r i n g ( t h ep r e c i s e ) a n dt h er a n k i n g ( t h ei m p r e c i s e ) q u e r yc o n d i t i o n s ，w h i c hc a nb et a k e n a sb e n e f i c i a le x p l o r a t i o no f i n c o r p o r a t i n gf u z z ya n d i m p r e c i s es e m a n t i c si n t ot h ep r e c i s es e m a n t i cs e a r c hm o d e l s k e yw o r d s ：s e m a n t i cs e a r c h ，i n f o r m a t i o nr e t r i e v a l ，c o n c e p t u a lg r a p h s ， s e m a n t i cs i m i l a r i t y , f u z z y i m p r e c i s es e m a n t i c s ，h y b r i dm a t c h i n gm o d e l 表目录 表8 一l 示例查询“d a r kr e d ”在一个关键词匹配系统中的检索结果。7 9 表8 - 2 示例查询“d a r kr e d ”在基于本体的相似度评判函数下的检索结果一8 0 表8 - 3 示例查询“d a r kr e d ”在模糊颜色匹配函数下的检索结果8 1 表8 _ 4 用于一般服装特征搜索实验的查询样例8 5 表8 - 5 背景知识库中的规则样例8 5 图目录 图3 1 一个概念图示例( “一件由n i k e 公司设计的深红色t 恤”) 2 1 图3 2 概念图之问逻辑运算的图示法2 5 图3 3 “一件不是深红色的n i k et 恤”的概念图表示2 7 图4 1 一个关于颜色的概念层次片断3 1 图5 一lr g b 颜色空阈模型” 3 7 图5 2h s l 颜色空间模型3 8 图5 3 模糊颜色各个维度上的隶属函数3 9 图5 - 4 颜色的t o n e 平面4 0 图5 5h s l 空间上的模糊颜色4 1 图5 - 6 彩色颜色的模糊概念图表示4 2 图5 7 非彩色颜色的模糊概念图表示4 2 图5 8 两个颜色描述之闻的比较( 在丑维度) 4 3 图5 - 9 两个彩色颜色在空间的每个维度上都有重叠4 4 图5 1 0 两个彩色颜色在空间的每个维度上都无重叠4 5 图5 1 l 彩色颜色与非彩色颜色之间的距离4 7 图6 1 两条示例图规则5 3 图6 2 一个资源图示例( “一件n i k e 的9 2 棉8 氨纶的鲜红色t 恤”) 5 4 图6 3 示例资源图的推理结果5 5 图7 1 一个查询图示例( “一件n i k e 豹不是深红色的弹力衬衣”) 6 1 图7 - 2 示例查询图转化为树结构后的结果6 2 图7 3 过滤关系引出的子树的匹配6 5 图7 _ 4 排序关系引出的子树的匹配6 7 图7 - 5 查询图与资源图的匹配示例6 9 图7 - 6 过滤子树匹配过程的算法复杂度7 1 图7 7 排序子树匹配过程的算法复杂度7 l 图8 1a l p 姒系统的体系结构7 5 图8 2 用户界面7 6 图8 3 区分过滤，排序条件的操作符7 7 图8 - 4c l o t h e s a g c n c y c o m 的颜色分类层次8 3 图8 5 颜色匹配的p r e c i s i o n r e c a l l 评价8 4 图8 - 6 一般服装特征搜索的p r c ! c i s i o n - r e c a l l 评价8 6 图a 3 1a 日= 0 的图例1 0 9 图a 3 - 2 引理a 3 1 的证明。1 1 0 图a 3 3 ( b - i i ) 情形下的图例1 1 1 图a 3 _ 4 ( b i v - 1 ) 情形下的图例1 1 2 图a 3 5 ( b i v - 2 ) 情形下的图例1 1 3 图a 3 石( b i v - 3 ) 情形下的图例1 1 3 图a 4 1 “一件r o o b a r b & c u s t a r d 的不是深红色的衬衣”的概念图表示1 1 5 图a 4 2 查询编辑器界面1 1 6 图a 4 3 选择操作符1 1 6 图a 4 4 点击“r e f i n e ”按钮来弹出一个新的“编辑器”1 1 7 图a 4 5 新弹出的编辑器1 1 7 图a 4 6 选择个体标识1 1 8 图a 4 7 点击“a d d 按钮来向查询图中添加构建完成的子图1 1 9 图a 4 8 点击“c o n f m n 按钮返回上层页面1 1 9 图a 4 9 点击“a d d 按钮来添加构建完成的查询条件。1 2 0 图a 4 1 0 一张予图完成1 2 0 图a 4 1 l 整张查询图完成1 2 1 图a 4 1 2 查询结果1 2 2 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立 进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究 做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意 识到本声明的法律结果由本人承担。 学位论文作者签名： 糊f 日期：乒卯6 年f 。月工日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许 论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或 部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制 手段保存和汇编本学位论文。 保密口，在一年解密后适用本授权书。 本学位论文属于 不保密日。 ( 请在以上方框内打“4 ”) 学位论文作者签名： 眷鹚平 1 日期：舢“年f 。月必日 燧轹箝 日期。一年l 口月q 日 第一章绪论 1 1 为什么我们需要语义搜索? w e b 的飞速发展已经使它成为世界上最大的一个信息库，每天人们都从网上获 取大量的信息和资源( 如，电子商务、w e b 服务等) 。但是，也正是由于海量信息所 造成的“信息过载”( i n f o r m a t i o no v e r l o a d ) 问题，使得人们需要花费比过去更多的 时间和精力来过滤无关的信息，从而定位到他们所需的内容。由于人的信息处理能 力并不可能随着w e b 上所含信息量的指数级增长而有成比例的提高，所以这从某种 程度上反而降低了w e b 的可用性。于是人们开始依赖搜索引擎来寻找信息，这也就 刺激了对高效的信息检索( i n f o r m a t i o nr e t r i e v a l ) 【i l 技术的需求。 然而，虽然信息检索领域在过去的2 0 年里取得了极大的发展，在w e b 的搜索引 擎方面也提出了诸如h i t s t 2 1 和p a g e r a n k 3 】等算法来改进网页检索结果的排序质量， 但是目前大部分的搜索引擎( 如，g o o s e i 、y a h o o1 2 、m s ns e a r c h 3 等) 在匹配搜索 的内容方面所仰仗的技术仍然主要依赖于用户描述其信息需求( i n f o r m a t i o n n e e d ) 时 所用的关键词，而不是这些搜索项的字面背后所要表达的实际含意。这就可能会在 某些情况下导致用户不希望出现的结果，比如：一个要求“c r i m s o nt - s h i r t ”( “深红 色t 恤”) 的查询可能会找回一件“a l a b a m a c r i m s o nt i d e t - s h i r t ”，但这里的“a l a b a m a c r i m s o n t i d e ”实际上是一支球队的名字，其中的“c r i m s o n ”并不是服装的颜色；又 如，查询“s o f tc o l l a rs h i r t ”( “软领衬衣”) 可能会从系统取回“s o f ts h i r t w i t h as t r a