匹配多个关键字_[读论文] 使用 RDF 摘要图的基于关键字的语义搜索方法

使用 RDF 摘要图的基于关键字的语义搜索方法

• 论文原文：Using RDF Summary Graph For Keyword-based Semantic Searches

---

1 介绍

该文提出一个基于关键字的语义搜索框架，使用摘要图用于探索 RDF 数据并提供相关结果。对于高效的图探索，一个摘要图结构自动从潜在的 RDF 数据上构建。

语义搜索中的数据检索任务大致可以分为三类：实体搜索、列表搜索和问答。根据[20]，大约 70% 的查询涉及予以命名实体，接近 10% 的查询是列表搜索查询。实体扮演了重要作用，查询中超过一半是以实体为中心的查询。在实体搜索查询中，用户通常查找一个简单的真实世界对象或属性。在列表搜索查询中，用户查找一个类别或类型的资源。在问答查询中，用户查找特定问题的答案，通常要求自然语言处理和对问题的解释，然后针对问题获取最合适的答案。 该文提出的语义搜索框架关注于语义搜索的实体搜索和列表搜索任务。在未来，作者计划通过构建迁移和处理自然语言问题的机制将框架扩展到处理 QA。

2 框架和问题

使用结构化查询语言，例如 SPARQL，进行数据探索和搜索有许多弊端。主要的问题是基于形式化查询语言的系统的一个主要缺点是，语法可能不太容易上手，并且对非技术用户来说很不方便。 此外，在编写结构化查询之前了解底层数据模式的要求使得它们不太可能被一般人群所采用。 因此，将基于关键字的查询集成到 RDF 图上的语义搜索中已经引起了许多研究[12][16][26]，因为关键字查询更易于形成并广泛用于日常生活中。 尽管基于关键字的查询更容易形成，但是与要解决的简单词袋模型相比，一些挑战需要更智能的解决方案。 例如，用户可能不知道确切的关键字组以形成预期的查询。 特别地，用户可能不知道在专门领域中通常会更适合关键字搜索的技术术语。 此外，用户可能不知道与关键字搜索无关的其余相关实体。 例如，让我们考虑一个用户尝试查找关键字查询示例，该查询示例使用关键字“引起皮肤和眼睛发黄变色的疾病”进行搜索，目的是根据已知症状或部分疾病来查找疾病或相关疾病的名称，在图 1 中展示。 请注意，这些信息中的每一个实际上都是描述实体的功能或特性。 对于试图查找疾病名称的用户，了解相关疾病并为该疾病或疾病组确定潜在的治疗选择也可能会有所帮助。