基于语义的Web信息检索

２０１１年第４期　

（总第１１４期）　信息通信　

ＩＮＦ０ＲＭＡＴＩｏＮ＆ＣＯＭＭＵＮＩＣＡＴＩＯＮＳ　２０１１　（Ｓｕｍ．Ｎｏ　１１４）　

浅析基于ｗｅｂ的跨语言信息检索之现状　

于兴艳，孔真　

（乌鲁木齐职业大学，新疆乌鲁木齐８３０００２）　

摘要：本文通过对自然语言处理领域基于ｗｅｂ的跨语言检索的现状进行简要综述，重点分析基于ｗｅｂ的跨语言信　检索的主　

要方法、技术难点。　关键词：自然语言处理；信息检索　

中图分类号：Ｇ３５４　文献标识码：Ａ　文章编号：１６７３－１１３１（２０１１）０４－００８１—０２　

１自然语言处理在ｗｅｂ．Ｊ：的应用背景　

Ｗｅｂ经过十几年的快速发展，目前已发展成为全球化的信　息空间，而通过ｗｅｂ检索获取用户所需要的知识已经迅速成为　信息检索的一种重要方式。当前互联网就是一个涵盖海量多种　

语言的巨大的知识库，对于大多数不精通外语的用户来说，使　

用母语查询条件检索信息相对容易，而能够熟练使用外语查　

询相关语种的信息比较困难，因此，能够自动按照用户提交的　

母语查询条件，使用相关检索系统检索出用户需要的语种信　息，是方便用户获取网上资源的有效途径。而跨语言信息检索　

（ＣＬＩＲ：Ｃｒｏｓｓ　Ｌａｎｇｕａｇｅ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅｔｒｉｅｖａ１）正是当前　ｗｅｂ信息检索范畴中一个关键问题。　

跨语言信息检索，是指用户以自己熟悉的语言来构建和提　

交检索提问式，系统检索出符合用户需求的包含多个语种的相　关信息　。用户输入的查询所使用的语言称为源语言，而系统　

需要检索的用户信息语种，称为目标语言。如何在源语言与目　

标语言之间实现有效的转换，用查询和文档内容进行匹配，并　有效提高信息检索的效率，是目前跨语言信息检索研究的关键　

问题。　

２基于ｗｅｂ的跨语言信息检索主要技术　

２．１跨语言信息检索的难点　（１）跨语言信息检索仍然依赖于单语检索的效果，而单语言　

信息检索的技术虽然取得了巨大的进展，但是检索方法主要是　

基于语义网的信息检索研究

肖芙蓉

【摘　要】文章对传统信息检索中存在的问题进行了分析，简单介绍了语义网，并针对基于语义网的信息检索

进行了简单的论述，最后对语义网信息检索进行了展望。

【关键词】语义网　信息检索

Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ，ｇｉｖｅｓ　ａ　ｓａｍｐｌｅ　ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　Ｓｅｍａｎｔｉｃ

Ｗｅｂ，ａｎｄ　ｄｉｓｃｕｓｓｅｓ　Ｓｅｍａｎｔｉｃ　Ｗｅｂ　ｂａｓｅｄ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ　ｂｒｉｅｆｌｙ．Ａｔ　ｌａｓｔ，ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｓｐｅｃｔｓ　ｔｈｅ

ｆｕｔｕｒｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｓｅｍａｎｔｉｃ　Ｗｅｂ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ．

Ｋｅｙ　ｗｏｒｄｓ：Ｓｅｍａｎｔｉｃ　Ｗｅｂ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ

互联网创始人Ｔｉｍ　Ｂｅｒｎｅｒｓ－Ｌｅｅ在１９９８年首次提

出了语义网（Ｓｅｍａｎｔｉｃ　Ｗｅｂ）的概念，之后，世界各

地的相关研究科研人员都将研究重点转向语义网。简

单地说，语义网是一种能理解人类语言的智能网络，

它不但能够理解人类的语言，而且还可以使人与电脑

之间的交流变得像人与人之间交流一样轻松。语义网

是对未来网络的一个设想，在这样的网络中，信息都

被赋予了明确的含义，机器能够自动地处理和集成网

上可用的信息。语义网使用ＸＭＬ来定义定制的标签格

式以及用ＲＤＦ的灵活性来表达数据，下一步需要的就

是用一种Ｏｎｔｏｌｏｇｙ的网络语言（比如ＯＷＬ）来描述网

络文档中术语的明确含义和它们之间的关系。

目前大多数商务网站的搜索引擎主要是基于关键

词的全文匹配和基于主题分类进行检索的，由于信息

资源缺少统一的语义描述，用户难以检索到与需求相

关的资源，难以实现信息资源的语义共享，检索结果

往往不能满足人们的需要。如何根据信息资源所具有

在数字图书馆中，信息检索存在明显不足。在文献的组织与描述上,简单将关 键词作为描述文献的基本元素,文献之间没有关联,是相互独立的、无结构的集合。 在检索操作上,通常是基于关键词的无结构查询,难以反映词语间各种语义联系, 查询能力有限,误检率和漏检率很高,检索结果的真实相关度较低；计算查询和文 档之间的相似度的方法也有局限。在用户交互界面上，用户的检索意图难以被机 器理解，采用自然语言输入的检索关键词与机器的交互存在障碍。现有数字图书 馆信息资源检索存在资源表示语义贫乏和检索手段语义贫乏、查准率低下等问题， 语义网技术的出现，为数字图书馆的发展注入了新的活力，为信息检索质量的提 高带来了新的生机。运用语义网技术，使解决信息检索中现存的问题，完善信息 检索流程成为了可能。 3.1 数字图书馆信息检索模型 目前数字图书馆的信息检索主要借助于目录、索引、关键词方法来实现,

或 者要求了解检索对象数据结构等, 对用户提供的关键词的准确性要求较高，基于 语法结构进行检索, 却不能处理复杂语义关系,常常检索出大量相关度很差的文 献。

图3.1 数字图书馆信息检索模型 用户通过检索界面，输入关键词，文本操作系统对用户的关键词进行简单的 语法层次的处理整合，与数字图书馆资源进行匹配检索，最终将检索的结果，再

通过用户界面返回给用户。而数字图书资源，专业数据库等都是数字图书馆信息 检索的范畴，这些数字化的知识资源主要以数据库形态分布于全球互联网的数千 个站点,这种以数据库形式存放的信息资源,通常是电子化了的一次文献,包括元 数据、摘要或者是全文,也可以是全文链接的地址。

24 基于语义网的数字图书馆信息检索模型研究

3.2 基于语义网的数字图书馆信息检索模型的设计思想 数字图书馆信息检索系统存在诸多问题。查询服务智能化水平低，无法对用 户请求进行语义分析；信息资源的共享程度低，仅仅采用题名、文摘或全文中出 现的关键词标识文献内容，难以揭示文献资料所反映的知识信息，易形成信息孤 岛；对用户输入的关键词进行句法匹配，查准率不高；片面追求查全率，返回大 量无关结果等。这些问题最终造成用户的真正检索意图难以实现。人们希望有突 破性的信息检索技术出现，能够支持更为强大的信息检索功能，具备理解语义和 自动扩展、联想的能力，并为用户提供个性化服务。 在这样的需求下，本节深入探讨了现存问题的解决方法，结合语义网技术， 提出了以下基于语义网的数字图书馆信息检索模型的设计思想。 3.2.1 机器理解与人机交互 人们通过信息的交流和沟通，表达一定的思想、意思和内容，因此，自然语 言和表达的信息中蕴含着丰富的语义。尤其是自然语言中，一词多义、一义多词 现象十分常见，在不同的语境中，同样的词汇还可以表达出不同的意义。在人与 人的交流中，近义词、反义词、词语的词性、语法结构等帮助人们在特定的语言 环境中理解语言表达的确切含义，而计算机要做到这点却有难度。 随着网络的不断发展，网络信息充斥着人们的视野。如何在浩如烟海的信息 资源中，以最短的时间查找出相关资源，成为人们所关注的问题之一。通常，检 索系统总会返回相关度不高，甚至完全无关的信息，而有些相关的信息却往往被 遗漏了。一方面，检索工具没能把已经存在的、对用户有价值的信息检索出来， 另一方面，信息资源没有很好的被归纳，提炼成知识。 利用语义网技术，将语义丰富的描述信息和资源关联起来，通过机器理解和 人机交互，对信息资源进行深层次的分析和挖掘。从本质上讲，人机交互是认知 的过程，主要通过系统建模、形式化语言描述等信息技术，最终实现和应用人机 交互系统。 3.2.2 语义知识与描述逻辑 从语义学的角度讲，语义是语言形式表达的内容，是思维的体现者，是客观 事物在人们头脑中的反映[72]。人们在进行信息交流和沟通时，通过词语、符号来 表达思想。当人们看到或听到语境中的一个词语或符号时，能够准确、迅速的对 应到相关的事物、事件，这是由于借助了人类头脑中已有的相关概念。当人们在

山东师范大学科技成果——基于语义的Web中多媒体信息个性化搜索系统

成果简介

搜索引擎是网上信息检索的最主要的工具，中国互联网络信息中心CNNIC于2006年1月发布的《第17次中国互联网络发展统计报告》显示，截止到2005年12月31日，我国的网民总人数为11100万人，搜索引擎以65.7%的使用率成为第二大网络服务。目前的搜索引擎查准率比较低，查询返回的结果太多，存在大量的垃圾信息，用户难以快速地找到需要的信息。

“基于语义的Web中多媒体信息个性化搜索系统”综合利用了网络多媒体的文件信息、文本信息和内容特征，提供了对Web中图像、视频、Flash动画和声音等多媒体信息的检索服务，极大地提高了网络多媒体搜索准确率，可应用于教育、艺术、娱乐、体育、商业等各种领域，为网民搜索网络多媒体资源提供了极大方便。

考虑我国网民数量巨大和日益增加，本系统存在一个巨大的潜在用户群，如果推广使用，即使每个用户产生几元的利润，也能带来巨大的经济效益。我们计划将本系统的网络版在网上公开试用，对单机版在两年内免费下载试用，两年后对更新版本收取适当注册费用。

该系统的技术达到国际同领域的先进水平。