计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
2期
440-443
,共4页
韩彩丽%李嘉骏%张晓培%肖敏
韓綵麗%李嘉駿%張曉培%肖敏
한채려%리가준%장효배%초민
查询扩展%关联数据%语义网%语义属性特征图%资源描述框架
查詢擴展%關聯數據%語義網%語義屬性特徵圖%資源描述框架
사순확전%관련수거%어의망%어의속성특정도%자원묘술광가
query expansion%linked data%semantic Web%semantic property feature graph%Resource Description Framework (RDF)
传统的查询扩展方法由于忽略了词之间的语义关系,在不规范的短小关键字上补充扩展的词已经无法达到预期目标.Linked Data技术利用资源描述框架(RDF)图模型形成Linked Open Data Cloud,能提供更多语义信息.针对查询扩展忽略语义的问题,提出了一种基于语义属性特征图的查询扩展方法.该方法将语义网与图的思想融合,利用以DBpedia资源为顶点的属性图加以扩展.首先,通过有监督的学习训练出15种语义属性特征的权重,用于表达扩展资源的有用性;然后,在整个DBpedia图上通过标签属性实现查询关键字到DBpedia匹配资源的映射;再根据属性特征广度搜索出邻接点,并将其作为扩展候选词,最后筛选出词相关行分值最高的作为最终扩展词.实验表明,与LOD Keyword Expansion方法相比,基于语义属性特征图的扩展方法召回率达到0.89,平均逆排序(MRR)提高4个百分点,与用户查询更匹配.
傳統的查詢擴展方法由于忽略瞭詞之間的語義關繫,在不規範的短小關鍵字上補充擴展的詞已經無法達到預期目標.Linked Data技術利用資源描述框架(RDF)圖模型形成Linked Open Data Cloud,能提供更多語義信息.針對查詢擴展忽略語義的問題,提齣瞭一種基于語義屬性特徵圖的查詢擴展方法.該方法將語義網與圖的思想融閤,利用以DBpedia資源為頂點的屬性圖加以擴展.首先,通過有鑑督的學習訓練齣15種語義屬性特徵的權重,用于錶達擴展資源的有用性;然後,在整箇DBpedia圖上通過標籤屬性實現查詢關鍵字到DBpedia匹配資源的映射;再根據屬性特徵廣度搜索齣鄰接點,併將其作為擴展候選詞,最後篩選齣詞相關行分值最高的作為最終擴展詞.實驗錶明,與LOD Keyword Expansion方法相比,基于語義屬性特徵圖的擴展方法召迴率達到0.89,平均逆排序(MRR)提高4箇百分點,與用戶查詢更匹配.
전통적사순확전방법유우홀략료사지간적어의관계,재불규범적단소관건자상보충확전적사이경무법체도예기목표.Linked Data기술이용자원묘술광가(RDF)도모형형성Linked Open Data Cloud,능제공경다어의신식.침대사순확전홀략어의적문제,제출료일충기우어의속성특정도적사순확전방법.해방법장어의망여도적사상융합,이용이DBpedia자원위정점적속성도가이확전.수선,통과유감독적학습훈련출15충어의속성특정적권중,용우표체확전자원적유용성;연후,재정개DBpedia도상통과표첨속성실현사순관건자도DBpedia필배자원적영사;재근거속성특정엄도수색출린접점,병장기작위확전후선사,최후사선출사상관행분치최고적작위최종확전사.실험표명,여LOD Keyword Expansion방법상비,기우어의속성특정도적확전방법소회솔체도0.89,평균역배서(MRR)제고4개백분점,여용호사순경필배.
