[发明专利]基于农业领域本体库的语义检索系统和方法

说明书

技术领域

本发明属于智能检索技术领域，具体涉及一种基于农业领域本体库的语义检索系统和方法。

背景技术

随着互联网上农业网站的不断涌现，农业知识与数据资源已呈海量增长趋势。这些庞杂、分散、异构并且封闭的农业信息资源导致了农业信息资源利用率低的问题，形成了当前互联网信息爆炸而农业用户获取有效信息匮乏的矛盾现象。许多通用搜索引擎，如Google、百度等在一定程度上为信息资源的检索提供了解决方案。但是一方面通用搜索引擎面向的是所有行业，针对特定行业信息检索时准确性和相关性都较差；另一方面通用搜索引擎采用的是基于关键词的检索技术，只是将分词后的关键词和索引库中的词语进行匹配，无法正确理解和处理用户检索语义和意图，存在着检索结果不准确、无关信息过多等问题。因此，面向农业行业，利用基于本体的语义检索技术成为提高搜索效率的有效途径，对查全率和查准率均有较高提升。

如图1所示，目前现有技术中提供有一种基于领域本体的智能检索方法，以及应用该方法的智能检索系统。该系统包括：查询接口、查询预处理模块、语义本体推理引擎、标注本体库、传统搜索模块和结果返回接口。

查询接口获取用户的查询信息，将其发送给查询预处理模块。

查询预处理模块分析用户的查询信息，通过切分词技术，将其切分成查询关键词，并发送给语义本体推理引擎。

语义本体推理引擎根据标注本体库中定义的本体概念词汇及概念之间的关系，匹配推理出查询关键词所对应的本体概念词汇，并将其返回给查询预处理模块。

查询预处理模块将语义本体推理引擎返回的本体概念词汇发送给传统搜索模块，并指明按照语义搜索。这里按照语义搜索是指在网页已被标注语义的情况下，按照网页标注的语义概念进行字符串匹配，而不是直接对网页自身的内容进行字符串匹配。

传统搜索模块进行语义搜索，并将搜索结果发送给结果返回接口。结果返回接口再将搜索结果返回给用户。

该技术方案充分利用了领域本体库中的概念及其相互关系，能够正确理解用户需求，优化检索结果，为用户更全、更准地返回专业领域信息。

但该技术方案并未涉及对基础数据资源的预处理。一方面基础数据资源中往往含有大量无关的冗余信息，比如网页中往往还有广告、导航、版权等垃圾信息，如果不对这些垃圾信息进行清洗处理，将对后期的检索带来极大噪声干扰；另一方面，网页中包含的都是半结构化数据，真正有用的数据和html标签混合在一起，这也大大降低了检索的精准度。

同时，现有的技术方案在对用户输入的自然查询语言进行处理时，如果用户输入的自然查询语句中包括本体概念，则进行句型模式的匹配判断，无论匹配成功与否，都是直接对匹配上或进行语义扩展后的本体概念进行查询，由于整个过程缺少用户的参与，而通过对用户输入的自然查询语言进行语义分析并不能完全和精准的理解用户查询意图，因此，势必造成最终的查询结果的精准度差强人意。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提高农业领域信息语义检索过程的精准度以及效率。

(二)技术方案

为了解决上述技术问题，本发明提供一种基于农业领域本体库的语义检索系统，包括：

信息抽取模块，用于对从互联网上获取的信息进行结构化处理，生成农业资源库；

语义标注处理模块，用于对所述农业资源库中的资源数据进行本体语义标注，以文本格式存储，并计算标注本体的语义向量空间，然后将所述语义向量空间中标注本体词汇和已标注处理的资源数据的语义关联度，与已标注的文本资源一起入库，生成本体语义资源库；

语义索引处理模块，用于读取所述本体语义资源库中的文本数据，根据所述文本数据中的语义标注信息建立语义本体索引库以及全文索引库；

语义扩展模块，用于接收用户提交的自然语言查询语句，对所述自然语言查询语句进行分词处理及本体语义扩展处理，生成相应的本体语义扩展集返回给用户，用户参与对所述本体语义扩展集的过滤、补充并再次提交；

检索处理模块，用于根据所述本体语义扩展集进行检索，生成检索结果返回给用户。

所述系统还包括爬虫抓取模块，利用网络爬虫抓取工具对互联网上指定的农业网页进行信息获取。

所述语义扩展模块包括：

分词处理单元，用于对所述自然语言查询语句进行分词处理；

语义本体推理引擎，用于利用农业领域本体库，判断所述分词处理后的查询关键词结果中是否存在本体语义概念的角色，根据判断结果要求用户重新提交检索查询语句，或者进行下一步的语义扩展；