vc基于语义的专业文献学习系统研究毕业论文

目录
1. 绪论 1
1.1 研究背景及目的 1
1.2 国内外研究现状 2
1.3 本文主要工作 3
2. 语义万维网 4
2.1 语义web技术 4
2.1.1 语义web概念 4
2.1.2 语义web结构 5
2.1.3 语义web的基础和核心 10
2.2 Ontology的定义和内涵 11
2.3 元数据 13
2.3.1 元数据概念 13
2.3.2 学习对象元数据标准 14
2.3.3 元数据结构 15
2.4 资源描述框架(RDF) 15
2.4.1 RDF概述 15
2.4.2 RDF与XML 16
2.4.3 RDF特性 18
3. 语义检索 20
3.1 搜索引擎发展趋势 20
3.2 语义检索的实现思路和方法 21
3.3 工具介绍 22
3.3.1 建立本体工具Protégé 22
3.3.2 Jena在语义检索中的作用 23
4. 系统设计 26
4.1 需求分析 26
4.2 设计目标 27
4.3 开发工具与平台 27
4.4 总体设计 27
4.4.1 系统流程 27
4.4.2 设计拟用途径 28
4.4.3 领域本体 29
4.4.4 领域规则库 30
4.4.5 解析推理 31 [版权所有：http://think58.com]
4.5 系统实现 33
4.5.1 系统界面 33
4.5.2 实验结果 34
5. 结论与展望 35
5.1 结论 35
5.2 展望 35
致谢 37 copyright think58

[资料来源：www.THINK58.com]

参考文献 38

think58好，好think58 [资料来源：http://THINK58.com]

[资料来源：www.THINK58.com]

1.2 国内外研究现状
随着互联网的快速发展，越来越多的学习资源出现在Internet上。但是关于资源的结构与内容却没有准确地被表达出来。例如，现在关于文献学习，我们通常是在中国期刊网(CNKI)、维普信息资源的中文科技期刊数据库等资源中借助于目录、索引和关键词等方法来搜索。由于在搜索结果中并没有出现文章的真实的主要内容，所以我们需花费大量时间和精力来判断查看搜索结果是否是我们所需要的参考资料。有时资料数目过于庞大，基于关键字的语法匹配和全文检索技术，检索的结果往往并不令人满意，导致遗漏掉很多相关文献以及检索到太多的不相关文献，同时检索结果也难以排序和组织。由于检索算法所采用的只是基于语法层面上字、词的简单匹配，而缺乏对知识的表示、处理和理解能力。对于学习者来说，理想的专业文献学习系统首先应能呈现文献所属专业学科的知识结构，其次应根据专业文献的内容结构特点，提供用户一个能描述文献主要内容的框架，便于用户全面，快速地了解文献的内容并有针对性地进行检索，另外在检索中应还需智能化：避免文献的“漏检”，提供相关联的概念或知识点及相关文献，了解知识点在总体结构中的位置及前后关系。所有这些都依赖于查询系统具有语义分析和推理的功能。解决这些问题的关键在于把文献检索从基于关键字的语法匹配提升至基于知识(或上下文)层面的语义匹配[2]。

内容来自think58

[资料来源：http://think58.com]

目前有许多著名的大学和科研机构在从事这方面的研究，并取得了很多成果。如德国的Karlsruhe大学将语义万维网和E-Learning结合，取得了较好的效果；斯坦福大学开发的本体编辑工具Protégé成为最流行的本体开发工具之一。国内对相关语义万维网技术的研究也已经在很多大学和机构展开，虽然现在还面临许多困难，但是我们可以借鉴它的思想应用在特定领域或者小范围的应用。如北京大学医学部的心血管疾病知识库是构建在这方面的应用；国家973项目“网络环境下海量信息的集成、分析处理与服务”也将语义万维网中的本体作为重要研究对象；农科院信息文献情报中心，关于农业叙词表，希望引入本体相关技术；国土资源部，考虑在土地重新分类时利用相关技术改造数据库；浙江大学在语义万维网和本体论方面有研究，特别是关于基于语义万维网和本体论产品信息集成和基于本体论的产品配置等。
语义web是目前Internet的发展方向，是能够根据语义进行判断的网络。简单地说，是一种能理解人类语言的智能网络。语义网具有着良好的概念层次结构和对逻辑推理的支持，现已被广泛应用于知识表达、知识共享及重用。本体是语义万维网的一部分，将语义web技术应用到文献检索中，即是在文献资源层上增加了能表达文献主要内容和学科结构的语义层。在此基础上进行基于语义的文献学习，解决了传统文献学习中的缺点和不足。学习资源的可共享性和系统的互操作对于网络远程教育的实用性和经济性具有决定性意义。语义web对网络教学中的语义查询、人机交互、意义建构、知识的获取和共享、协作学习等提供前所未有的支持，特别是本体提供了共享概念模型，使得在语义层共享学习资源成为现实。

内容来自think58

2.1.3 语义web的基础和核心
通过对语义web体系结构各层含义以及它们之间逻辑关系的分析，可以看出该体系结构所体现的语义web的基础和核心。语义web的基础包括三个方面，即技术基础、知识基础和逻辑基础。技术基础：语义web体系结构各层的内容共同构成了语义web的技术基础。该体系结构的每一层都包含了为实现语义web构想所必需的一系列技术，不同的技术层将完成不同的功能。简单地说，Unicode + URI技术层是负责完成Web资源的编码和定位；XML + NS + xml schema技术层是负责提供结构化的语法；资源描述和本体层是负责Web上的数据、资源和知识的表示；逻辑、证明和信任层是负责提供语义web所需要的规则、推理和验证。各层逐级扩展，相互融合、补充，为实现语义web构想提供了坚实的技术基础。知识基础：从抽象的观点看，语义web就像是一个大的知识表现系统。语义web可以描述三个层次的知识类型：事实性知识、术语知识和推理知识。事实性知识是对客观实在的简单陈述，如由XML标签描述的信息、由RDF三元组描述的一个简单陈述等，这类知识简单清晰、一目了然。术语知识是指由本体所描述的关于概念以及它们之间关系的语义信息。术语知识可以描述比事实性知识更加复杂的语义和对象信息。对于开放式的Web而言，它更加适合描述那些不同种类、分布式的结构化或半结构化信息。推理知识是指那些隐藏在事实性知识或术语知识之中的需要借助一定的推理规则才能获得的隐性知识。例如，对于事实性知识“Mike的父亲是Tom”和“Tom和Jack是兄弟”，虽然我们可以很容易地推断出Jack是Mike的叔叔，但对于计算机而言，只有通过相应的规则定义才能得出这一推理知识。逻辑基础：只有通过形式化的方法才能显示地揭示和描述语义网中的语义，因此必须借助强有力的形式化工具——逻辑。实际上，语义web的描述语言包括RDF和OWL都可以看作是谓词逻辑的特殊形式，因为它们与谓词逻辑之间以逻辑公理的形式存在着语义上的对应关系。其核心是为了实现机器的“理解与处理”。在语义web的三个基础层面中，技术基础是该体系结构所直接体现的基础层面；知识基础和逻辑基础则是隐藏在该体系结构中间接体现的、深层次的基础层面。 [资料来源：http://think58.com]
语义web将在网页中加入方便机器“理解和处理”的内容，并为人们提供各种智能服务。因此，语义web的核心就是对语义的揭示与表达。 think58 [资料来源：http://think58.com]