[论文解读] Semantic Web Search based on Ontology Modeling using Protege Reasoner

Monica Shekhar, R. A. K. Saravanaguru|arXiv (Cornell University)|May 24, 2013

Semantic Web and Ontologies参考文献 7被引用 5

一句话总结

本文提出了一种语义网搜索系统，通过使用Protégé建模领域特定本体并利用Pellet推理引擎进行推理，提升了搜索的准确性。通过分析用户浏览历史并利用基于本体的语义推理，系统返回上下文相关的检索结果，展示了在语义理解用户意图方面相较于传统关键词搜索的更高精度。

ABSTRACT

The Semantic Web works on the existing Web which presents the meaning of information as well-defined vocabularies understood by the people. Semantic Search, at the same time, works on improving the accuracy if a search by understanding the intent of the search and providing contextually relevant results. This paper describes a semantic approach toward web search through a PHP application. The goal was to parse through a user's browsing history and return semantically relevant web pages for the search query provided.

研究动机与目标

• 通过超越关键词匹配，实现对用户查询的语义理解，提升搜索准确性。
• 使用Protégé中的本体建模领域特定知识，表示概念之间的关系。
• 集成语义推理引擎（Pellet），以推断新知识并提升检索结果的相关性。
• 开发基于PHP的应用程序，将本体推理应用于实时搜索查询。
• 评估系统基于用户浏览历史检索语义相关结果的能力。

提出的方法

• 使用Protégé构建领域特定本体，以定义表示相关概念的类、属性和实例。
• 采用Pellet推理引擎对本体执行逻辑推理，实现隐式关系的检测和一致性检查。
• 解析用户浏览历史，提取查询意图和上下文实体，并将其映射到本体概念。
• 开发基于PHP的Web应用程序，与本体和推理引擎接口，处理传入的查询。
• 利用语义相似度和推理结果，基于概念匹配对相关网页进行排序和检索。
• 系统利用RDF和OWL标准表示和推理语义元数据。

实验结果

研究问题

• RQ1 与传统基于关键词的检索相比，Protégé中的本体建模在多大程度上能提升检索结果的相关性？
• RQ2 语义推理在多大程度上能增强从浏览历史中理解用户意图的能力？
• RQ3 本体、推理引擎和Web应用程序的集成系统能否有效检索语义相关的资料？
• RQ4 上下文感知的语义推理对网页搜索结果精度有何影响？
• RQ5 用户历史与本体推理的结合如何在基线方法之上提升搜索准确性？

主要发现

• 系统成功将用户查询映射到本体概念，实现了超越精确关键词匹配的语义相关结果检索。
• 使用Pellet推理引擎进行语义推理，使隐式关系得以发现，从而提高了结果的覆盖范围和相关性。
• 将浏览历史与基于本体的推理相结合，增强了上下文感知能力，带来了更准确的结果集合。
• 原型表明，使用Protégé进行本体建模并结合推理，能显著提升传统方法的搜索精度。
• 使用OWL和RDF标准实现了语义知识的互操作性和可扩展表示，适用于搜索应用。
• 基于PHP的应用程序有效充当了用户查询与语义推理流程之间的接口。