原创《基于本体的语义信息检索模型》：本文是一篇关于语义论文范文，可作为相关选题参考,和写作参考文献。
摘 要：为了弥补传统检索模型基于关键词匹配的缺陷,探讨领域本体的语义信息检索模型.阐述了四元组本体内涵,给出了资源映射方案,制定了本体概念扩展策略,描述了本体概念相似度计算算法,并进行了实验对比分析.结果表明：本体语义检索模型查准率及查全率均高于传统检索模型,具有一定的理论及实用价值.
关键词：本体；语义；相似度；信息检索
中图分类号：TP301 文献标识码：A
Abstract：Aimed at the defects of the traditional keyword-based retrieval model,an ontology-based semantic query-oriented information retrieval model was built.Concept of four tuple ontology was defined,the resource mapping scheme was given,ontology concept expansion strategy was formulated, the concept similarity computing algorithm of ontology was described,and the experimental comparison was carried out.The results show that precision and recall rate of ontology semantic retrieval model are higher than the traditional retrieval model,this study has some theoretical and practical value.
Keywords：ontology；semantic；similarity；information retrieval
1 引言（Introduction）
随着互联网技术的快速发展,人类已进入信息时代,尤其是当前大数据背景下网络信息资源的数量越来越庞大,其已成为全球最大的信息库,且网络信息资源随之呈现出更加复杂的特性,暴露出一些亟待解决的问题[1-3].然而,传统信息检索模式面对文本字符串匹配的语法层面,缺乏针对信息表示及处理和理解的语义层面分析,即信息是丰富的,而知识却是贫乏的,所以依赖传统的信息检索方式已很难满足用户需求,而本体及其相关理论技术的出现为解决这一问题提供了可能.
本文将利用本体建立标签之间的语义关系,并引入语义与Agent技术,实现标注系统的语义检索,通过语义模型丰富的描述能力和强大的逻辑推理能力准确描述信息资源,以Agent组织完成用户交互、信息检索、信息过滤、结果返回,构建一种基于本体学习的能够实现语义层面分析的检索模型,以弥补传统信息检索的不足,进而从信息查全率和查准率方面改善信息检索的效率.
2 基于本体的语义检索模型构建（Construction of semantic retrieval model based on ontology）
基于领域本体的语义检索,可依据领域本体知识库对信息资源或文档进行语义标注,本体概念的语义信息可借助本体概念定义及本体概念之间的关系进行描述,因为特定专业领域的概念可通过领域本体进行描述,这样可使文档或信息资源更具有语义,且可揭示出用户检索词的语义,把从文档和用户查询抽取的关键词转换为具有语义的本体概念,实现基于关键词的语法检索到基于本体概念的语义检索的提升,其中,语义检索与传统基于关键词匹配的检索方式不同,因为语义检索基于信息理解的语义层面对信息资源及用户提交的检索请求进行分析,语义检索方式对检索条件、信息组织以及检索结果均赋予了语义成分,可从语义层面提高检索精度[4-7].
2.1 领域本体的语义检索理念
基于领域本体的语义信息检索,其理念在于使信息资源或文档进行语义描述,借助领域本体知识库完成对文档和信息资源对象的语义标注,进而揭示出文档和信息资源对象的语义理解,及其用户检索词的语义信息,同时可实现领域本体检索词的语义扩展,最终完成理想检索结果的获取,具体检索过程为：
step1：构建并描述领域本体概念.描述领域本体概念,构建领域本体知识库.
step2：提取文档或信息资源对象特征并进行资源映射.借助领域本体概念描述及知识库构建和管理,对获取的信息资源或文档进行语义标注及资源映射,对信息资源或文档语义内涵进行揭示.
step3：制定本体概念扩展及查询语义扩展策略.在领域本体概念描述的基础上,对用户查询请求的语义信息进行揭示,并对用户检索词进行语义扩展,检索系统完成对生成的备选检索词集的检索工作.
step4：实现领域本体概念相似度算法.依赖本体概念结构图,实现本体概念语义距离计算算法、本体概念节点深度计算算法及语义综合相似度计算算法,以此服务于查询结果排序环节.
step5：对检索系统的检索结果进行排序.基于相关相似度计算算法及规则,完成用户原始检索词及检索系统返回检索结果的相似度比较,基于相似度对检索系统的检索结果进行排序并反馈给用户.
2.2 领域本体语义检索模型
领域本体语义检索模型,如图1所示.
（1）领域本体及其分类体系作为数据资源语义表征的核心,可对文档或数据资源描述给予指导.领域知识也作为查询扩展和查询结果排序的基本依据.因此,领域知识的构建和维护,如领域本体、推理规则的构建和维护,离不开领域知识管理.
（2）数据资源或文档的语义可通过标注进行语义揭示,再借助文档特征提取技术,从领域本体词汇中获取本体概念,建立数据资源或文档的语义特征域,完成数据资源库文档的自动标注,并完成标注和索引信息资源或文档的非语义特征,由此生成文档索引库和元数据库.
语义论文参考资料：
结论：基于本体的语义信息检索模型为关于语义方面的的相关大学硕士和相关本科毕业论文以及相关语义论文开题报告范文和职称论文写作参考文献资料下载。
