【導(dǎo)讀】工作所取得的成果。盡我所知，除文中已經(jīng)注明引用內(nèi)容和致謝的地方外，學(xué)位或其他用途使用過的成果。與我一同工作的同志對(duì)本研究所做的貢獻(xiàn)。均已在論文中做了明確的說明并表示了謝意。若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。(保密的論文在解。充分發(fā)揮查詢?cè)~擴(kuò)展技術(shù)的優(yōu)越性可以大大提高搜索引擎在搜索精確度方面的效率。地描述用戶的信息需求，去除用戶查詢?cè)~的多義性，從而更精確地查詢用戶所需信息。問題，結(jié)合形式概念分析與用戶行為、本體進(jìn)行查詢?cè)~擴(kuò)展，從WordNet中抽取出查詢?cè)~與查詢擴(kuò)展源的相。利用本體的相似、相等、上義、下義和。PartOf語義關(guān)系，提出一個(gè)基于本體的查詢?cè)~與概念相似度計(jì)算的新方法。實(shí)驗(yàn)通過把本文方法的查詢?cè)~擴(kuò)展結(jié)果與目前其它方法的查詢?cè)~。擴(kuò)展結(jié)果對(duì)比，表明了本文提出的方法是具有可行性的。

　　

【正文】 (2 aaw ?? )1( 23 aaw ?? … )1( 1aw nn a ? ?? 參數(shù)α屬于區(qū)間 [0,1]， 該 系數(shù)特點(diǎn)是 第一 個(gè)權(quán)重遠(yuǎn)遠(yuǎn)大于第二個(gè)權(quán)重，第二個(gè)權(quán)重遠(yuǎn)遠(yuǎn)大于第三個(gè)權(quán)重，以此類推。我們將初始重要度 的權(quán)重賦為 W1 ，認(rèn)同度賦為 W2 ，推薦度和支持度賦為 W3 ，一個(gè)詞項(xiàng)的總權(quán)重為公式 ()： w iiiii tSWtRWtIWtFWtW 3321 *)(*)(*)(*)()( ???? （ ） 本文提取查詢擴(kuò)展詞的流程如下： (1) 從搜索引擎后臺(tái)或者是公開的日志集中，獲取某一個(gè)或者某一類共同愛好、有相似搜索意圖的用戶的搜索日志。搜索日志是記錄用戶跟搜索引擎交互的情況，不同搜索引擎的搜索日志格式不一致，但一般格式都包含如下幾個(gè)要素：用戶 ID(或 IP) \t [查詢?cè)~ ] \t 該 URL 在返回結(jié)果中的排名 \t 用戶點(diǎn)擊的順序號(hào) \t 用戶點(diǎn)擊的URL。 (2) 記錄查詢?cè)~、該 URL 在返回結(jié)果中的排名、用戶點(diǎn)擊的順序號(hào)和用戶點(diǎn)擊的URL，因?yàn)檫@些都是本文方法所用的要素。根據(jù)查詢?nèi)罩咎峁┑挠脩酎c(diǎn)擊的 URL，從網(wǎng)絡(luò)上下載網(wǎng)頁，進(jìn)而獲得網(wǎng)頁內(nèi)容。 (3) 網(wǎng)頁內(nèi)容中經(jīng)常包含一些使用十分廣泛，在文本中出現(xiàn)頻率很高的停用詞，但實(shí)際意義又不大，對(duì)識(shí)別用戶搜索意圖沒有任何幫助，比如英語的“ is”、“ the”，中文的“和”、“嗎”、“的”等。因此利用一個(gè)停用詞表，對(duì)網(wǎng)頁內(nèi)容進(jìn)行去停用詞處理。 (4) 獲得去掉停用詞后網(wǎng)頁的詞項(xiàng)集 T，根據(jù)公式 、 、 、 計(jì)算 T 每個(gè)詞項(xiàng)的初始重要度、推薦度、認(rèn)同度、支持度，根據(jù)公式 計(jì)算每個(gè)詞項(xiàng)的總權(quán)重。如圖 所示，將用戶點(diǎn)擊的第一個(gè)網(wǎng)頁作為 d1，在 d1 中出現(xiàn)的詞項(xiàng)是比其它網(wǎng)頁出現(xiàn)的詞項(xiàng)重要，其返回排名、點(diǎn)擊順序是第一個(gè)網(wǎng)頁的返回排名、點(diǎn)擊順序。如果詞項(xiàng)在西華大學(xué)碩士學(xué)位論文 15 第一個(gè)點(diǎn)擊網(wǎng)頁中沒出現(xiàn)，而在第二個(gè)網(wǎng)頁出現(xiàn)，其返回排名、點(diǎn)擊順序是第二個(gè)網(wǎng)頁的返回排名、點(diǎn)擊順序。以些類推。 圖 例子 Fig. Example d1, d2, d3, d4 是點(diǎn)擊文檔，四個(gè)文檔的詞項(xiàng)個(gè)數(shù)之和為 498 個(gè)。括號(hào)中是點(diǎn)擊網(wǎng)頁返回排名及點(diǎn)擊順序。返回文檔數(shù)以第一頁結(jié)果的 10 文檔計(jì)數(shù)，點(diǎn)擊文檔是 4 個(gè)。權(quán)衡因子α =，計(jì)算“ puter”的相關(guān)值： 初始重要度： FW(puter)=(10+5+6+0)/498= 推薦度： RW(puter)=(101+1)/10=1 認(rèn)同度： IW(puter)=(41+1)/4=1 支持度： SW(puter)=3/4= (4 個(gè)文檔中，有 3 個(gè)包含 puter) 總權(quán)重： W(puter)=w1*FW+w2*IW+w3*RW+w3*SW =α*FW+α(1α)*IW+α(1α)(1α)*RW+α(1α)(1α)*SW = *+**1+***1+*** = 計(jì)算“ code”相關(guān)值： 初始重要度： FW(code)=(5+4+8)/498= 推薦度： RW(code)=(103+1)/10= 認(rèn)同度： IW(code)=(42+1)/4= 支持度： SW(puter)=3/4= 總權(quán)重： W(code)=w1*FW+w2*IW+w3*RW+w3*SW 基于用戶行為與本體的查詢?cè)~擴(kuò)展研究 16 =α*FW+α(1α)*IW+α(1α)(1α)*RW+α(1α)(1α)*SW = *+**+***+*** = (5) 將詞項(xiàng)按總權(quán)重進(jìn)行降序排序，挑選前 N 個(gè)詞項(xiàng)作為查詢擴(kuò)展源。 流程如圖 所示： 圖 查詢擴(kuò)展源提取流程圖 Fig. Extracting diagram 提取算法 算法 是本章提出方法的算法實(shí)現(xiàn)，具體如下： —————————————————————————————————— 算法 ：提取查詢擴(kuò)展源： Extracting query expansion terms: ExtractQET(α, N, D) //輸入：權(quán)衡因子α；提取詞項(xiàng)作為擴(kuò)展源的個(gè)數(shù)Ｎ；點(diǎn)擊網(wǎng)頁集Ｄ ={P1,P2,? ,Pn} //輸出：擴(kuò)展源：權(quán)重最大的前Ｎ個(gè)詞項(xiàng)。 [1] For(i=0。in。i++) [2] 從 Pi中提詞項(xiàng) ti [3] 將 ti 加到詞項(xiàng)數(shù)組 Tcontain 中 [4] End For 西華大學(xué)碩士學(xué)位論文 17 [5] While(Tcontain) [6] While(StopWordList) [7] If((詞項(xiàng) in Tcontain)= =(詞項(xiàng) in StopWordList) [8] Delete 詞項(xiàng) in Tcontain [9] Break。 [10] End If [11] End While [12] While(Tcontain) [13] 計(jì)算 ti 的初始重要度、推薦度、認(rèn)同度、支持度 [14] 計(jì)算 ti 的最終權(quán)重 W(ti) [15] End While [16] Return 權(quán)重大的前 N 個(gè) ti 基于用戶行為與本體的查詢?cè)~擴(kuò)展研究 18 3 基于 WordNet 的用 戶本體構(gòu)建方法 本體在信息系統(tǒng)領(lǐng)域主要用于知識(shí)的表示、組織、管理，提供了知識(shí)共享方式，因此本體理論不僅在人工智能和知識(shí)工程領(lǐng)域引起研究人員的興趣，而且在信息系統(tǒng)的很多領(lǐng) 域 都得到廣泛的應(yīng)用。本體論在互聯(lián)網(wǎng)的應(yīng)用導(dǎo)致語義網(wǎng)的誕生，主要目的是解決Web 信息共享中的語義問題，這將 Web 的發(fā)展推向一個(gè)新的高度。本章介紹從 WordNet中抽取出查詢?cè)~與查詢擴(kuò)展源的相等、相似、 ISA、 partof 等語義關(guān)系，利用本體的構(gòu)建方法，把查詢?cè)~、查詢?cè)~擴(kuò)展源以及它們之間的語義構(gòu)建成用戶本體。 本體的介紹 本體的定義 本體 (ontology)是關(guān)于一些主題的清晰規(guī)范的說明 [49]。在基于本體的 Web 注釋（ Ontologybased Web Annotation, OWA）的框架中，本體充當(dāng)組織 Web 語義相關(guān)數(shù)據(jù)的領(lǐng)域知識(shí)，本體由于自身更豐富的語義結(jié)構(gòu)，使之能夠描述更復(fù)雜的對(duì)象。 Gruber 于1993 年采用概念化的形式給本體進(jìn)行 OWA 形式化定義 D， R，即本體是共享概念化的明確的 形式化規(guī)范，其中 D 是領(lǐng)域， R 是 D 中相關(guān)的關(guān)系集合 [50]。下面引用文獻(xiàn) [51]中的方法介紹本體的定義。 定義 本體包含六個(gè)元 素 },,{ XHARAC Rc 。其中 C 表示概念集； cA 表示每個(gè)概念的屬性集； R 表示關(guān)系集； RA 表示每個(gè)關(guān)系的屬性集； H 表示概念層次； X 表示公理集。 定義 概念屬性集 )(iccA ，概念集 C 中的每個(gè)概念 ic 用來表示相同種類的一組對(duì)象，并能用相同的屬性集進(jìn)行描述。 定義 關(guān)系 ( , )i p qr c c , 關(guān)系集 R 中的每個(gè)關(guān)系 ir 表示概念 pc 和 qc 之間的二元關(guān)聯(lián)，并且此關(guān)系的實(shí)例是一對(duì)概念對(duì)象 ( , )pqcc 。 定義 關(guān)系屬性集 )(iRrA ，用于表示關(guān)系 ir 的屬性。 定義 概念層次 H ， H 是概念集 C 的概念層次，并是 C 中概念之間的一組父 子（或父類 — 子類）關(guān)系。例如，如果 qc 是 pc 的子類或子概念，則 ( , )pqcc 屬于 H 。 定義 公理 X ， X 中的每個(gè)公理是對(duì)概念的屬性值和關(guān)系的屬性值的約束，或是對(duì)概念對(duì)象之間關(guān)系的約束。 西華大學(xué)碩士學(xué)位論文 19 概念之間有四種最基本的關(guān)系 [52]。 partof、 kindof、 attributeof 和 instanceof，其中partof 表達(dá)概念之間整體與局部的關(guān)系； kindof 表達(dá)概念之間的繼承關(guān)系； attributeof表達(dá)某個(gè)概念是另外某個(gè)概念的屬性； instanceof 表達(dá)概念和概念的實(shí)例之間的關(guān)系。 領(lǐng)域本體與用戶本體 領(lǐng)域本體 (Domain Ontology)提供了某個(gè)專業(yè)學(xué)科領(lǐng)域中概念的詞表以及概念間的關(guān)系，或在該領(lǐng)域里占主導(dǎo)地位的理論；描述該領(lǐng)域的基本原理、主要實(shí)體和活動(dòng) 關(guān)系，提供領(lǐng)域內(nèi)部知識(shí)共享和知識(shí)重用的公共理解基礎(chǔ) [53]。目前本體模型的研究已經(jīng)進(jìn)入實(shí)際應(yīng)用階段，許多研究領(lǐng)域都建立了自己的標(biāo)準(zhǔn)本體。醫(yī)學(xué)領(lǐng)域已經(jīng)產(chǎn)生了標(biāo)準(zhǔn)且結(jié)構(gòu)化的大型詞匯表 SNOMED 和統(tǒng)一醫(yī)學(xué)語言系統(tǒng)（ Unified Medical Language System, UMLS） [54]。最大和最全面的領(lǐng)域本體是美國德州奧斯汀的 MCC 和 Cycorp 共同開發(fā)的大型常識(shí)知識(shí)庫系統(tǒng) CYC 本體 [55]。在國內(nèi)，中科院陸汝鈐院士主持并由清華大學(xué)、中山大學(xué)、中科院計(jì)算機(jī)所等單位參加的 “常識(shí)知識(shí)的實(shí)用研究”，主要目 的是采用主體和本體來表達(dá)知識(shí)，經(jīng)過 建立大規(guī)模的常識(shí)知識(shí)庫 PANGU，并探討利用常識(shí)知識(shí)來解決機(jī)器翻譯和自然語言理解等實(shí)際問題 [56]。 隨著本體應(yīng)用的深入以及知識(shí)時(shí)代知識(shí)信息的快速膨脹，人們面對(duì)的本體也會(huì)變得越來越大、越來越復(fù)雜。使用這樣龐大的本體，對(duì)很多用戶來說，將會(huì)有比較多的困難。事實(shí)上，在大部分的時(shí)候，用戶關(guān)心的只是大型本體中的一小部分本體概念，因此，需要為每個(gè)用戶建立屬于他們自己的用戶興趣主題模型，而且這個(gè)模型應(yīng)該形象描述出在用戶興趣主題領(lǐng)域中的概念以及概念之間的關(guān)系。如果可以得到一個(gè)更小的、包含了 用戶所需要信息的本體，就可以更好地幫助用戶來使用本體。 文獻(xiàn) [57]中提出用戶本體是把“用戶”看作是一個(gè)領(lǐng)域本體的實(shí)例，由于個(gè)體之間的區(qū)別，導(dǎo)致他們具有不同的興趣主題。如果能夠把這一個(gè)實(shí)例化的本體運(yùn)用到搜索引擎中，那么就可以從語義的角度來理解概念。這樣一個(gè)實(shí)例化的本體，把它稱為“用戶本體”。 WordNet 20 世紀(jì)以來，語言學(xué)家和心理學(xué)家們開始從一個(gè)嶄新的角度來探索現(xiàn)代語言學(xué)知識(shí)結(jié)構(gòu)以及特定的詞典結(jié)構(gòu)，由 Princeton 大學(xué)研制成功了一個(gè)聯(lián)機(jī)英語詞匯檢索系統(tǒng) —WordNet，它作為語言學(xué)本體庫 ，同時(shí)又是一部語義詞典，在自然語言處理研究方面應(yīng)用非常廣泛。 WordNet 與其它標(biāo)準(zhǔn)詞典最顯著的不同在于它將詞匯分成 四 個(gè)大類：名詞、動(dòng)詞、形容詞、副詞；詞匯概念的語義關(guān)系主要包括：同義關(guān)系，反義關(guān)系、上下位關(guān)系和部分關(guān)系；最具特色之處是根據(jù)詞義而不是詞形來組織詞匯信息?？梢哉f WordNet基于用戶行為與本體的查詢?cè)~擴(kuò)展研究 20 是一部語義詞典 [58]。目前 Windows下可用的 WordNet最高版本為 ，其中名詞有 117097個(gè)，動(dòng)詞有 11488 個(gè)，形容詞有 22141 個(gè)，副詞有 4601 個(gè)。 名詞： WordNet 將 117097 個(gè)名詞分成 25 個(gè) 基本類別，這 25 類進(jìn)一步概括為 11 個(gè)基本類，如圖 和 所示 : 圖 WordNet 中名 詞 的 25 個(gè) 基本 類 Fig. 25 Basic Class 圖 將 25 個(gè) 基本 類 概括成 11 個(gè) 基本 類 11 Basic Class 西華大學(xué)碩士學(xué)位論文 21 WordNet 中名詞具有：同義關(guān)系，如 ―beach‖和 ―seaside‖；反義關(guān)系，如“ victory‖和 ―defeat‖； 整體部分關(guān)系，如“ tree”和“ forest”；上下位關(guān)系，如“ animal‖和“ bird‖。 動(dòng)詞： WordNet 將 11488 個(gè)動(dòng)詞分成 15 類，如身體動(dòng)作動(dòng)詞（ Verbs of Bodily Functions and Care）、變化動(dòng)詞（ Verbs of Change）、通信動(dòng)詞（ Verbs of Communication）、競爭動(dòng)詞（ Competition Verbs）、消費(fèi)動(dòng)詞（ Consumption Verbs）、接觸動(dòng)詞（ Contact Verbs）、認(rèn)知心理動(dòng)詞（ Cognition Verbs）、創(chuàng)造動(dòng)詞（ Creation Verbs）、運(yùn)動(dòng)動(dòng)詞（ Motion Verbs）、情感心理動(dòng)詞、狀態(tài)動(dòng)詞（ Stative Verbs）、感知?jiǎng)釉~（ Perception Verbs）、領(lǐng)屬動(dòng)詞（ Verbs of Possession）、社會(huì)交互（ Verbs of Social Interaction）和氣象動(dòng)詞（ Weather Verbs）。 WordNet 中動(dòng)詞具有：同義關(guān)系，如“ rise‖和“ ascend”；蘊(yùn)涵關(guān)系，如 snore（打鼾）蘊(yùn)涵了 sleep（睡覺）；上下位關(guān)系，如“ march”和“ walk”；相反關(guān)系，如“ buy”和“ sell”。 形容詞： WordNet 把形容詞區(qū)分為兩類：描寫性形容詞（ descriptive adjectives）和關(guān)系性形容詞（ relational adjectives）。前者如 big、 beautiful、 interesting、 possible、 married、 …… ；后者因其跟名詞的關(guān)系而得名，如 electrical engineer 中的 electrical。反義關(guān)系是描寫性形容詞之間的基本語義關(guān)系，這種反義關(guān)系并不是直接的，而是間接反義，如圖 所示， moist 不直接跟