同類網(wǎng)站查詢接口的集成系統(tǒng)設(shè)計與實現(xiàn)_畢業(yè)論文設(shè)計(編輯修改稿)
2025-08-10 18:53 本頁面
【文章內(nèi)容簡介】 構(gòu)建工具構(gòu)建核心本體： 1）領(lǐng)域術(shù)語抽取。確定領(lǐng)域類型，從特定領(lǐng)域深網(wǎng)查詢接口表單中對領(lǐng)域術(shù)語進(jìn)行抽取 。 2）領(lǐng)域概念抽取。領(lǐng)域核心本體要求領(lǐng)域概念必須是語義明確的，所以需要用領(lǐng)域內(nèi)最通用的語義來描述該類術(shù)語。 3）概念間層次關(guān)系獲取。捕獲術(shù)語間的語義關(guān)系，例如同義（ Synonymy）關(guān)系、繼承（ IS－ A）關(guān)系、包含（ partof）關(guān)系等。 4）領(lǐng)域本體精煉。本體工程師以本體工程學(xué)標(biāo)準(zhǔn)對已獲取的領(lǐng)域本體概念及概念間的語義關(guān)系進(jìn)行修正。 5）領(lǐng)域本體描述。采用本體描述語言（如 RDF， XML， OWL 等）描述領(lǐng)域本體，本體描述語言提供了機(jī)器對文檔內(nèi)容可處理的機(jī)制。 Step如果某個術(shù)語不存在于核心本體中，那么通過匹配方法確定術(shù)語和本體概念之間的語義關(guān)系。 Step如果相匹配，那么將匹配的概念加入到核心本體適當(dāng)位置，以完成本體的自動擴(kuò)展。 完成本體構(gòu)建后，本體可以形式化地表示為概念層次結(jié)構(gòu)，用戶的查詢以及相關(guān)數(shù)據(jù)可以映射到概念空間，它可以看作是一個保存概念和概念之間關(guān)系的知識系統(tǒng)。 定義 3 ：領(lǐng)域本體概念模型（ domain ontology concept model， DOCM）。描述了特淮南師范學(xué)院 20xx 屆本科畢業(yè)論文 8 定 領(lǐng)域?qū)嶓w的術(shù)語組織以及術(shù)語之間的關(guān)系，每個概念可以形式化為 Class＝｛ Ai， DTi，｛ Si｝，｛ CIi｝，｛ CAi｝，｛ SCi｝，｛ nI1， nI2，? nIk｝， Ni｝，表示與該概念相關(guān)的數(shù)據(jù)信息，其中： Ai表示概念主類，它是特定領(lǐng)域下通用的、人們易于理解的詞匯，該詞匯表示一類概念，可以看作描述這類概念的關(guān)鍵字； DTi表示概念所屬的數(shù)據(jù)類型； ｛ Si｝表示概念主類的同義詞集合，即概念別名； ｛ CIi｝表示概念主類的實例集合； ｛ CAi｝表示與概念相關(guān)的條件屬性集合，主類與條件屬性表示包含關(guān)系； ｛ SCi｝表示概念主類的子類集合，主類與子類表示繼承關(guān)系； ｛ nI1， nI2，?， nIk｝表示概念主類的 k 個實例的計數(shù)器； Ni表示概念主類的計數(shù)器。 DOCM 具有良好的組織結(jié)構(gòu)，能夠清晰地描述概念及概念之間的關(guān)系。本體構(gòu)建采用 Prot233。g233。(是一個史丹佛大學(xué)開發(fā)的本體編輯和知識獲取軟件 ,開發(fā)語言采用 Java,屬于開放源碼軟件 )作為本體編輯工具，并以 OWL 作為本體描述語言。通過對 OWL 文件的操作，可以很容易地實現(xiàn)對 DOCM 的調(diào)用。 基于本體的模式匹配 基于本體的 網(wǎng)站 查詢接口模式匹配方式 有 屬性級和實例級 2 種 匹 配： 定義 4：本體的屬性級匹配。假設(shè) A*表示 Web數(shù)據(jù)庫查詢接口的屬性， Ai表示 DOCM中概念節(jié)點Ｃｉ的概念主類，｛ Si｝表示 Ai 的同義詞集合， CAi 表示 Ai 的條件屬性，SCi 表示 Ai 的子類， Sim（ A*， Ai）表示應(yīng)用基于本體的短語相似度算法 。 計算 A*與Ai 的相似度值，σ表示相似度閾值， Ni表示 Ai 的計數(shù)器。 屬性級匹配存在以下幾種情況： １）如果 A*∈｛ Si｝或者 A*＝ Ai，那么表示 A*與 Ai 是 1： 1 的屬性匹配， Ai 的計數(shù)器加１，即Ｎｉ＝Ｎｉ＋１； ２）如 果 A*｛ Si｝， A*≠ Ai，且 Siｍ（ A*， Ai）≥σ，那么表示 A*與 Ai 是 1:1的屬性匹配，同時，將 A*作為 Ai的一個同義詞加入同義詞集合｛ Si｝中， Ai的計數(shù)器加 1，即 Ni＝ Ni＋ 1； ３）如果 A*∈｛ CAi｝∪｛ SCi｝，那么表示 A*與 Ai 是 M： 1 的屬性匹配， Ai的計同類網(wǎng)站查詢接口的集成系統(tǒng)設(shè)計與實現(xiàn) 9 數(shù)器加１，即 Ni＝ Ni＋ 1； ４）如果 A*DOCM Ai， Siｍ（ A*， Ai）＜σ，表示 A*與 Ai 不存在匹配關(guān)系，那么創(chuàng)建一個新類 Class，將 A*作為 Class 的主類加入 DOCM 中，并設(shè)置 A*的計數(shù)器為１。 定義 5：基于本體的短語相似度算法。給定短語 P1 和短語 P2，通過預(yù)處理將 短語P1 和短語 P2 分別表示為詞集 P1＝｛ c1， c2，?， cm｝和 P2＝｛ cl1， cl2，?， cln｝，對于短語 P1 中的每個詞匯 ci（ 1≤ i≤ m，借助通用本體 WordNet 分別計算其與短語 P2中每個詞匯 clj（ 1≤ j≤ n）的相似度，其計算如式（ 1）所示： 其中， overlap(ci,clj)表示詞匯 ci與詞匯 clj 的語義重合度，即在 WordNet 概念樹中，詞匯 ci與詞匯 clj 之間包含相同上位概念的個數(shù)。 Depth(ci)表示詞匯 ci的概念深度，即詞匯 ci 在 WordNet 概念樹中到達(dá)根節(jié)點的層次深度，同理， depth(clj)表示詞匯 clj 在WordNet 概念樹中到達(dá)根節(jié)點的層次深度。如果短語 P1 中詞匯 ci 與短語 P2 中詞匯 clj相同，那么 Sim(ci， clj)＝ 1。然后，在短語 P2 中找到與短語 P1 中詞匯 ci相似度最大的值作為短語 P1 相似度值集中的一個值 Si，從而獲得短語 P1 的相似度值集 Sim1＝｛ S1，S2，?， Sm｝，采樣同樣方法獲得短語 P2 的相似度值集 Sim2＝｛ sl1， sl2，?， sln｝。短語 P1 和 P2 的最后相似度通過每個短語中詞匯各自的相似度占總單詞個數(shù)的比例獲得，其計算如式 (2)所示： 假設(shè)給 定短語 P3，δ為相似度閾值。如果 Sim(P1， P2)＝ Sim(P1， P3)≥δ成立，那么可以推測短語 P2 和短語 P3 是語義相似的，都應(yīng)記錄于匹配對應(yīng)關(guān)系集中。 通過 關(guān)鍵字 屬性級匹配方法，可以準(zhǔn)確識別 DOCM 中類或?qū)傩耘c來自不同查詢接口屬性之間的匹配關(guān)系，不僅能夠識別簡單匹配，而且能夠識別復(fù)雜匹配。相比于傳統(tǒng)模式匹配方法，大大提高了匹配精度并降低了模式匹配過程的復(fù)雜性。 假設(shè)屬性ｅ來自查詢接口 QI1，屬性ｆ來自查詢接口 QI2，即 e∈ QI1， f∈ QI2，同時，在 DOCM 中存在主類 g，該主類 g 包含 2 個同義詞匯 e 和 f，那么，在比較查詢接口 QI1 中屬性 e 和查詢接口 QI2 中屬性 f 時，首先比較查詢接口 QI1 中屬性 e 與 DOCM淮南師范學(xué)院 20xx 屆本科畢業(yè)論文 10 中主類的相似度。通過比較，如果發(fā)現(xiàn)查詢接口 QI1 中屬性 e 與 DOCM 中主類 g 相似，并且在 g 的同義詞集合中包括同義詞 f，那么 DOCM 中的主類 g 可以看作“橋接”，進(jìn)而推出查詢接口 QI1 中屬性 e 和查詢接口 QI2 中屬性 f 是相似的，此時查詢接口 QI1 中屬性 e 和查詢接口 QI2 中屬性 f 為 1:1 的簡單匹配。 對于 M:N 匹配，首先將其轉(zhuǎn)換為 M∶ 1 匹配和 1： N 匹配，進(jìn)而獲得 M： N 匹配。例如：某個源查詢接口中存在屬性“ 公共屬性 ”，它包含 2 個條件屬性“ date from”和“ date to”，當(dāng)查找 DOCM 時， DOCM 中包含類屬性“ from”和“ to”，并且類屬性“ from”和“ tp”在 DOCM 中的概念主類為“ 出版日期 ，那么通過比較可知源查詢接口屬性“ publication”與 DOCM 中主類“ 出版日期 ”是相似的，進(jìn)而可以推知“ publication”與“ from”和“ to”為 1:M 匹配，“ date from”與“ publication date”為 M∶ 1 匹配，“ from”和“ to”與“ date from”和“ date to”為 M： N 匹配。 定義 6:基于本體的實例級匹配。假設(shè) A*表示 Web 數(shù)據(jù)庫查詢接口的屬性， Ai表示DOCM 中概念節(jié)點 Ci 的概念主類，｛ CI*｝表示 A*的實例集合，｛ CIi｝表示 Ai 的實例集合，｛ NI1， NI2，?， Nik｝表示 Ai 的 k 個實例計數(shù)器集合。如果 A*與 Ai 相似，那么 SiM(A*， Ai)≥σ成立，其中σ表示 A*和 Ai 的相似度閾值。對于查詢接口屬性 A*的實例 Ins*j， Ins*j∈｛ CI*｝，存在以下幾種情況： 1)如果 INｓ *j∈｛ CIi｝，那么 Nih\j＝ Nij＋ 1； 2)如果 INs*j｛ CIi｝，｛ CIi｝＝｛ INS1，? INsk｝， SiM(Ins*j， INsM)＝ Mａｘ｛ SiM(Ins*j，INS1)， SiM(Ins*j， INS2)，?， SiM(INｓ *j， INsk)｝≥σ， 1≤ M≤ k，那么 NiM＝ NiM＋ 1，否則表示實例 INs*j 的概念不存在于 Ai 的實例中，那么將 INs*j 作為一個新實例加入 DOCM 中類 Ai 的｛ CIi｝中，同時，將新實例的初始計數(shù)器設(shè)置為 1。 例３、假設(shè)源查詢接口包含屬性“ category”，其實例空間為｛“ architecture and photo
研究報告相關(guān)推薦
鄂ICP備17016276號-1