基于语义Web的知识发现方法研究

论文摘要

近年来Web以惊人的速度发展着,整个网络正在形成一个前所未有的超级信息数据库,如何处理这些海量信息成为了全新的课题。本体在Web上的应用可以有效地解决Web信息共享的语义问题。语义Web可以使网络中的信息都具有语义,可以被计算机理解和处理,便于人和机器之间的交互和合作。因此建立基于语义Web的知识发现方法具有实际意义和较高学术价值。本文首先分析了对于语义Web以及知识发现的国内外研究现状,阐述了语义Web的体系结构和本体相关理论、知识发现的过程以及Web数据挖掘技术的内容和技术。然后,讨论了在知识发现中应用语义Web的优势,提出了一个基于语义Web和Web日志的知识发现模型。详细阐述了实现SKDM的关键技术和算法,包括领域本体的表示方法、用户浏览行为的规范化表示方法、基于领域本体的语义Web页面分类算法、语义用户群分布算法、利用多马可夫链预测模型进行用户浏览行为预测方法,并分析了SKDM的优缺点以及在Web个性化服务中的应用。最后对本文的工作进行了总结,并确定了下一阶段的研究方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的与意义
• 1.2 国内外研究现状
• 1.2.1 语义Web研究现状
• 1.2.2 知识发现研究现状
• 1.3 研究内容
• 1.4 论文组织结构
• 第2章 相关理论与技术
• 2.1 语义Web
• 2.1.1 语义Web的概念
• 2.1.2 语义Web结构
• 2.2 本体概述
• 2.2.1 本体定义
• 2.2.2 本体建模元语
• 2.2.3 本体的分类
• 2.3 Web本体描述语言
• 2.4 知识发现
• 2.4.1 知识发现概述
• 2.4.2 知识发现的任务
• 2.4.3 Web数据挖掘技术
• 2.5 本章小结
• 第3章 基于语义Web的知识发现
• 3.1 语义Web在知识发现中的优势
• 3.2 基于语义Web的知识发现模型
• 3.3 Web使用挖掘模块
• 3.4 语义生成模块
• 3.5 方法评价
• 3.6 本章小结
• 第4章 KDM中关键算法研究
• 4.1 数据预处理
• 4.1.1 数据预处理过程
• 4.1.2 数据预处理结果
• 4.2 语义Web中领域本体的表示
• 4.3 基于语义Web的页面分类
• 4.3.1 语义Web页面分类模型
• 4.3.2 语义Web页面划分
• 4.3.3 语义用户分布
• 4.4 语义用户群划分
• 4.4.1 基于模糊聚类的用户群划分
• 4.4.2 语义用户群分布表示方法
• 4.4.3 语义用户群分布算法
• 4.5 语义用户浏览行为预测
• 4.5.1 预测模型
• 4.5.2 预测方法
• 4.5.3 预测方法应用
• 4.6 SKDM性能分析
• 4.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文及参加的项目
• 致谢