全文检索式搜索引擎越来越成为用户使用互联网的重要工具,它的技术直接来源于信息检索领域,并根据互联网的特点进行了大规模的改变。然而由于互联网本身的涉及学科众多,用户层次多样,随着互联网数据量的急剧增加,现有搜索引擎技术越来越不能满足用户的要求,在搜索结果中与用户搜索目的无关的网页比例不断增加,而用户很难在结果中顺利找到目标网页。 现在的搜索引擎不仅局限于简单返回数据库检索结果,还对这些结果进行再加工,判断哪些最符合用户搜索意图,然后优先排列最匹配的网页。这便是被称为搜索引擎“第一定律”的相关性原则,排序算法的效果直接影响了搜索引擎的使用效率。然而通用搜索引擎统一的返回结果无法满足不同用户的要求。 全文检索式搜索引擎是基于关键词匹配技术的,然而自然语言中存在多义词、近义词、同义词的现象,而且用户提供的关键词并不一定存在于目的网页中,因此关键词机械匹配技术并不能达到应有的查全率、查准率要求。而与英语不同,汉语不存在天然的分词标记,这更加降低了搜索引擎的查全率、查准率。 为更好地解决上述两个问题,业界一直在概念检索方向投入大量精力,然而在人工智能领域尚未发生重大突破之前,概念检索并不能得到很好的查询效果;矢量空间模型方法由于速度快、准确度高,成为当前搜索引擎用于判断结果网页相关度的一项标准技术。 针对以上两个问题,本文提出了一种基于本体论的解决方法,设计并实现了面向用户的智能信息搜索系统。本方法的基础是用户的目标网页中并不一定含有用户指定的关键词,而且通过其它关键词也一样可以得到用户的目标网页。搜索系统跟踪用户平时浏览的历史网页,形成静态本体,即个性化的关键词相关度数据库;在用户提出查询请求时,智能信息搜索系统根据静态本体,把用户关键词转换为动态本体,即搜索引擎所需的系统关键词,并调用元搜索引擎进行查询,之后把根据相关度排序后的结果网页提交用户,