基于OWL本体构建的网页图文摘要提取算法研究

【摘要】随着各种网页数据挖掘方式的发展,人们在Internet使用中能够更为快捷、精确地获取自己想要的信息。网页正文提取作为网络数据挖掘的研究热点,目前只能对网页的文本摘要进行提取,然而在人类接收的信息中,有80%来自于视觉,即图片信息,因此未来网页数据挖掘的发展趋势是人们不仅仅只需要文本摘要,也需要图片摘要。此外随着移动显示设备技术的发展,手机媒体传播信息成为了人们获取热点信息的一个重要途径,因此就更需要对网络数据进行摘要提取,以便使用手机媒体时,能够更为快捷、精准、直观地获取人们需要的信息。由此可见,未来对于网页正文提取研究的热点在于对网页的文字和图片进行摘要提取,让图片也能够像文字那样更形象化地表达出网页的重要信息。本文把这样一种新的摘要组合形式,定义为网页图文摘要。目前,与网页图文摘要提取的相关技术已在网易新闻手机客户端、今日头条手机客户端、Zake、Flipboard等移动应用产品上投入使用,这些产品对于新闻网页的处理大同小异。但手机客户端能阅读到的新闻内容,大多还停留在新闻信息人工输入阶段,由于人工处理的繁琐性,这就使得新闻的更新速度受到了限制。另外今日头条和Zaker等产品在以列表展示新闻时,只给出了新闻标题,没有新闻图片进行展示说明,然而有的新闻正文本身存在图片,这样的处理就局限了用户的阅读需求。而Flipboard的处理方式是当新闻正文存在多张图片时,新闻列表只默认显示第一张图片。网易新闻在进行摘要提取时,仅仅只对文本进行了处理,列表中展示的部分图片在原新闻网页中有时并不存在,这样的处理方式常常给读者带来不便。针对以上问题,本文提出了一种基于OWL本体构建的网页图文摘要算法(ExtractingtheGraphic-TextAbstractofWebpageBasedonOWL,EGTAO)。本算法首先利用网络本体语言(WebOntologyLanguage,OWL)构建网页页面本体模型；然后根据该模型分别利用文本摘要算法和图片选择算法对文本和图片进行提取,在提取过程中,充分考虑文本、图片的语义特性,实现更为准确化、更为人性化的图文摘要提取。本文的研究工作主要包括以下三个方面：第一,本文使用网络本体语言(WebOntologyLanguage,OWL)构建OWL网页页面本体模型(OntologyModelofWebPage,OMW).在基于传统的DOMTree表示网页结构的基础上,通过对网页各部分信息进行分类,建立各部分之间的属性关系ObjectProperty,然后通过这些属性关系将网页各部分关联起来,最终得到OWL网页页面本体模型。在此过程中使用了Protege本体构建工具,它能够清晰地展示出网页各部分之间的关联。第二,本文使用网页图片选择算法对网页文正文部分的图片进行图片选择。本图片选择算法在基于OWL页面本体模型的基础之上,通过遍历模型,提取图片的语义属性及图片在网页中的alt属性,将影响图片提取的多个影响因素都结合起来进行归一化处理,优化最终的影响因素,最终选取得到对网页正文最具代表性的图片。第三,本文使用网页文本摘要提取算法对网页正文部分的文本进行文本摘要的提取。本文本摘要算法在基于OWL页面本体模型的基础之上,结合传统的基于DOMTree的网页正文提取算法,通过遍历模型,提取文本的主题关键词、主题标题、主题句等语义属性,将影响文本提取的多个影响因素都结合起来进行归一化处理,优化最终的影响因素,最终提取得到对网页正文最具代表性的文本。实验结果表明,与传统的方法相比,本文提出的基于OWL本体构建的网页图文摘要提取算法在图文摘要提取领域中,具有更好的准确性、代表性和提取内容相关性。本文所提到的图文摘要,特别是图片提取部分的研究,对未来移动应用的发展、移动设备的跨屏技术以及搜索引擎的搜索效率的提高具有一定的促进作用,同时对推进网页数据挖掘研究从理论层面过度到工业实现层面也具有较积极的意义。
【作者】韩凤娇；
【导师】周竹荣；
【作者基本信息】西南大学，计算机软件与理论，2014，硕士
【关键词】图文摘要；图片选择算法；文本摘要算法；页面本体；

【参考文献】
[1]刘兵,李勇,奚江惠,徐友平.3/2接线变电站拉停断路器短路电流限制措施分析[J].电力系统自动化,2014,12:131-135.
[2]郭经韬,陈瞡华,周俊,许伟龙.基于组合混沌序列动态粒子群算法的电力系统无功优化[J].广东工业大学学报,2014,02:87-92.
[3]李银玲.试论生活世界的教育[D].曲阜师范大学,教育学原理,2004,硕士.
[4]李红娟.基于TDC-GP21芯片的超声波流量计设计及实现[D].宁夏大学,机械工程（专业学位）,2014,硕士.
[5]刘红娟.经营性高速公路定价模型研究[D].长安大学,交通运输规划与管理,2013,硕士.
[6]苏日娜.土默特左旗土地利用总体规划实施评估研究[D].内蒙古师范大学,土地资源管理学,2013,硕士.
[7]蒋天瑜.基于多光谱图像的纸币防伪鉴定技术研究[D].华中科技大学,通信与信息系统,2013,硕士.
[8]曾宪华.慢性呼吸衰竭PRO量表的研制与评价[D].山西医科大学,流行病与卫生统计学,2013,硕士.
[9]蔡华玲.普通高校青年教师培养研究[D].安徽大学,行政管理,2014,硕士.
[10]张向龙.配电网静止同步补偿器的研究[D].兰州理工大学,电气工程,2014,硕士.
[11]李维.磐石市农村居民碘营养水平现况及相关因素分析[D].吉林大学,公共卫生,2012,硕士.
[12]王超.排气方式对含气性断流弥合水锤升压的影响研究[D].长安大学,市政工程,2014,硕士.
[13]青竹.外籍球员对中国男子篮球职业联赛发展影响初探[D].重庆大学,体育教育训练学,2014,硕士.
[14]王斌.高强度钻杆制造技术研究[D].西安科技大学,机械工程,2014,硕士.
[15]孟祥林,王正志.基于视觉掩蔽效应的图像扩散[J].自动化学报,2011,01:21-27.
[16]闫帅.维生素D3对小鼠二甲双胍药代动力学的影响[D].兰州大学,药理学,2013,硕士.
[17]张晓光,孙力,赵克.基于负载转矩滑模观测的永磁同步电机滑模控制[J].中国电机工程学报,2012,03:111-116+8.
[18]贺相.数控机床发展状况[J].组合机床与自动化加工技术.1992(06)
[19]何代玉.消瘤祛毒饮联合DCF化疗方案治疗晚期胃癌的临床疗效观察[D].吉林大学,中西医结合临床,2014,硕士.
[20]钟璇,王树青.基于远程预报辨识的非线性广义预测控制算法[J].自动化学报,2000,02:267-273.
[21]赵伟国.热式气体质量流量测量方法及系统研究[D].浙江大学,2009.
[22]张恩环.调强放疗模式下青年鼻咽癌患者的预后分析[D].福建医科大学,肿瘤学,2014,硕士.
[23]李雪.丹皮酚增溶技术研究与玫瑰口含片的制备及质量评价[D].新疆农业大学,作物遗传育种,2012,硕士.
[24]顾靖达,谢凯兵,张运.一种新型电动自行车电池管理系统[J].科技创新导报,2014,04:181.
[25]张平.哈尔滨铁路局城鸡线铁路防洪预警机制改进研究[D].吉林大学,工业工程,2014,硕士.
[26]蒋坤.芪苈强心对血管紧张素Ⅱ诱导的大鼠心脏成纤维细胞转分化的影响及其机制研究[D].川北医学院,内科学,2014,硕士.
[27]宁涛.新辅助化疗在进展期胃癌中的应用研究[D].延安大学,外科学,2014,硕士.
[28]马瑛驰.我国风景名胜区保护的法制完善[D].中南林业科技大学,环境与资源保护法学,2013,硕士.
[29]冉文学.单元物料订单分拣轮询控制系统研究[D].云南大学,2014.
[30]王永皓.万达集团商业地产开发运营模式探索[D].兰州大学,工商管理（专业学位）,2013,硕士.
[31]胡菲.添加剂对RDX感度和性能的影响研究[D].中北大学,军事化学与烟火技术,2014,硕士.
[32]李荣军,李正军,高选正.微带天线的TRL校准方法[J].空间电子技术.2000(01)
[33]程蒙.基于粒子群优化的无线传感器网络节点定位算法研究[D].华中师范大学,计算机软件与理论,2013,硕士.
[34]王新颖.关于呼和浩特生鲜农产品农超对接的研究[D].内蒙古农业大学,农村与区域发展,2013,硕士.
[35]张富.大连空军导弹某团训练信息管理系统设计与实现[D].大连理工大学,计算机应用,2003,硕士.
[36]韩美荣.高中生数学反思能力培养研究[D].内蒙古师范大学,学科教学,2012,硕士.
[37]肖爱.排污许可证制度研究[D].湖南师范大学,法学理论,2004,硕士.
[38]张彤.Na~+，K~+-ATP酶在稳定转染TDP-25的运动神经元样细胞中的作用[D].河北医科大学,神经病学（专业学位）,2014,硕士.
[39]刘丽琴.国民科学素质提升与社会管理改善研究[D].天津大学,公共管理,2013,硕士.
[40]姜锦锋.红外图像的目标检测、识别与跟踪技术研究[D].西北工业大学,模式识别与智能控制,2004,硕士.
[41]韩海涛.宅基地使用权流转制度研究[D].河北经贸大学,法律,2013,硕士.
[42]杨毅.智能移动机器人的研究与开发[D].河北工业大学,控制理论与控制工程,2004,硕士.
[43]本刊记者.李庆忠、袁秉衡、俞寿朋三位老专家80华诞座谈会在涿州市隆重举行[J].石油地球物理勘探,2010,06:780.
[44]冯俊福.杭州地区地基土m值的反演分析[D].浙江大学,岩土工程,2004,硕士.
[45]陈晓倩.紫球藻藻红蛋白与EPA含量变化的相关性研究[D].山东大学,微生物学,2013,硕士.
[46]喻昊.同时性结直肠癌肝转移的临床病理学特点与预后因素研究及Twist2在结直肠癌中的表达与预后价值研究[D].第二军医大学,外科学（专业学位）,2013,硕士.
[47]胡景瑜.贯通同相供电系统潮流控制策略研究[D].西南交通大学,电力系统及其自动化,2013,硕士.
[48]赵海谦1,2,高继慧1,周伟1,王忠华2,吴少华1.Fe2+/H2O2体系内各种自由基在氧化NO中的作用[J].化工学报.
[49]余幼林.PKH26标记单核细胞衍生的肝样细胞裸鼠体内示踪的实验研究[D].山东大学,外科学（专业学位）,2012,硕士.
[50]吴豪泰.我国冶金矿山提升机自动化的进展[J].冶金自动化,1984,03:1-5.