基于医疗本体的语义检索系统的研究与实现

发布时间：2020-05-22 11:48

【摘要】：随着WEB技术的不断发展，，网络上的各种信息呈爆炸式增长，为了让用户能够准确获取网络上的这些信息，信息检索系统作为WEB信息平台的一个关键组成部分应运而生。然而，传统的信息检索系统只是依靠基于关键字的语法层面上的简单匹配和全文检索技术，造成用户的查询结果不仅量大且毫无针对性，难以真正得到需求相关的信息。解决这些问题的关键在于将信息检索从传统的基于语法的简单匹配提升到基于语义知识层面的匹配，真正提高系统的查询准确度、召回度等。本文针对基于医疗本体的语义检索系统中所涉及到的本体构建、语义推理、语义标注和语义检索等相关问题进行了深入探讨。论文的主要内容包括四部分：首先，通过详细分析国内外现有信息检索系统，总结了现有信息检索技术存在的不足和问题，得出导致其检索质量低下的主要原因在于信息检索所采用基于语法的机械式匹配方式和信息资源缺少统一的语义描述，缺乏检索信息的语义理解。其次，分析研究了语义网和本体技术，包括它的来源定义、框架结构、研究现状和应用等。接着重点研究分析了基于医疗本体的语义检索的关键技术，包括本体构建相关技术、语义推理相关技术、语义标注相关技术等。在这些技术的基础上提出了一个以医疗本体为基础的语义Web检索系统设计方案，并以此构建风湿类医疗本体，使用SWRL规则语言对本体进行语义扩展，制定JAPE规则标注资源文档，联系本体和检索目标。在前文所提到的各项研究基础之上，本文实现了基于医疗本体的语义检索系统。该系统通过本体库、规则库的语义扩展和语义标注之后，能够深入全面地挖掘出用户所提供检索关键词的各类关联信息，从而能够更加准确和全面地查询到用户需要的风湿类相关医疗信息。本论文对基于医疗本体的语义检索相关技术和方法进行了研究，为实现语义检索找到了一种可行的方法，具有一定的理论研究和应用意义。
【图文】：

体系结构图,语义网,体系结构

语义网七层体系结构图

推理机,结构模型,绑定

图2-2 Jena推理机结构模型序可以通过使用 Model Factory 来获取推理机制，通过 Ont数据集和一些 Reasoner 联系起来之后，创建一个新的 Mel 的查询不仅返回在原始数据中出现的陈述，还将返回那规则和其他推理机制得来的陈述。ner Registry 是一个静态类，它包含了当前用到的所有 Reas Graph—base assertion 和 Graph—ontology definition。与 Reasoner 一起绑定的数据(XML 数据--实例)，而 Gra指与 Reasoner 一起绑定的数据结构的限制(即 XML 模式--这两方面的内容就可以生成推理图 InfGraph。制是在 Graph SPI 的层面之上进行的，因此只要是模型接口建为 Graph。通过 Ontology API,我们可以轻易地绑定推理本体模型进行推理。可用的推理机如下表所示：
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：R-05

【参考文献】