[论文解读] An Enhanced Indexing And Ranking Technique On The Semantic Web

Ahmed Tolba, Nabila Eladawi+1 more|arXiv (Cornell University)|Nov 29, 2011

Semantic Web and Ontologies参考文献 20被引用 4

一句话总结

本文提出了一种用于语义网的混合索引与排序技术，通过结合改进的ObjectRank算法进行初始相关性评分，以及在动态构建的顶级文档子图上进行基于HITS的Hub与权威计算，从而提升搜索质量。与传统方法相比，该方法提高了结果的精确度并减少了查询处理时间。

ABSTRACT

With the fast growth of the Internet, more and more information is available on the Web. The Semantic Web has many features which cannot be handled by using the traditional search engines. It extracts metadata for each discovered Web documents in RDF or OWL formats, and computes relations between documents. We proposed a hybrid indexing and ranking technique for the Semantic Web which finds relevant documents and computes the similarity among a set of documents. First, it returns with the most related document from the repository of Semantic Web Documents (SWDs) by using a modified version of the ObjectRank technique. Then, it creates a sub-graph for the most related SWDs. Finally, It returns the hubs and authorities of these document by using the HITS algorithm. Our technique increases the quality of the results and decreases the execution time of processing the user's query.

研究动机与目标

• 解决传统搜索引擎在处理语义网上的结构化、语义元数据时的局限性。
• 通过利用RDF和OWL格式中文档之间的语义关系，提升检索质量。
• 通过优化的索引与排序技术，减少查询处理时间。
• 通过识别语义相关文档子图中的Hub与权威，提升结果的相关性。

提出的方法

• 使用改进的ObjectRank技术计算语义网文档库（SWD）中文档的初始相关性评分。
• 根据语义相似性和相关性，从顶级文档中选择形成子图。
• 在子图上应用HITS算法，以识别权威性文档和Hub文档。
• 提取RDF和OWL格式中的语义元数据，并用于计算文档间的关联关系。
• 通过先筛选相关文档，再利用链接分析精炼结果，将排序与索引相结合，实现混合方法。
• 系统通过首先使用ObjectRank检索最相关文档，然后扩展到子图进行深入分析来处理用户查询。

实验结果

研究问题

• RQ1 如何增强传统搜索技术，以更好地处理语义网上的语义元数据？
• RQ2 将ObjectRank与HITS结合对检索精确度和性能有何影响？
• RQ3 一个语义相关的文档子图能否提升对权威来源的识别能力？
• RQ4 与基线方法相比，所提出的方法如何减少查询处理时间？

主要发现

• 所提出的技术通过利用RDF和OWL中的结构化元数据，增强了文档之间的语义关系，从而提升了结果质量。
• 使用改进的ObjectRank算法提高了初始文档检索的精确度。
• 在子图上基于HITS的分析成功识别出最相关文档中的高质量Hub与权威文档。
• 混合方法通过将计算聚焦于更小的、语义相关的文档子集，减少了查询处理时间。
• 通过整合基于内容的相关性与基于链接的权威评分，该方法在排序与索引方面表现出更优的性能。