CN111680222A - 一种基于社交类平台的知识图谱的探索式搜索方法 - Google Patents

一种基于社交类平台的知识图谱的探索式搜索方法 Download PDF

Info

Publication number
CN111680222A
CN111680222A CN202010300432.XA CN202010300432A CN111680222A CN 111680222 A CN111680222 A CN 111680222A CN 202010300432 A CN202010300432 A CN 202010300432A CN 111680222 A CN111680222 A CN 111680222A
Authority
CN
China
Prior art keywords
search
data
knowledge graph
exploratory
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010300432.XA
Other languages
English (en)
Inventor
袁柳
艾芝帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Normal University
Original Assignee
Shaanxi Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shaanxi Normal University filed Critical Shaanxi Normal University
Priority to CN202010300432.XA priority Critical patent/CN111680222A/zh
Publication of CN111680222A publication Critical patent/CN111680222A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education

Abstract

本发明属于数据搜索领域，具体涉及一种基于社交类平台的知识图谱的探索式搜索方法，包括：步骤一：进行社交平台的数据进行知识图谱的构建；步骤二：利用探索式搜索系统对知识图谱进行搜索。本方法可以更好地弥补人们对于目前单一的“提交问题‑返回结果”的搜索引擎的缺点，更好地满足人们对于知识不仅仅是进行查询的过程，也是对某一领域的学习和调查研究过程。

Description

一种基于社交类平台的知识图谱的探索式搜索方法
技术领域
本发明属于数据搜索领域，具体涉及一种基于社交类平台的知识图谱的探索式搜索方法。
背景技术
随着Web2.0时代的到来，人们进入了上网搜索的时代。在学习、生活和工作中人人每时每刻都在网络上进行搜索。然而，当前包括Google、百度，360等几乎所有的搜索引擎使用的是“提交问题-返回结果”的一次性交互检索模式。网络上信息繁杂，人们很容易在网络上迷失。花费太多的时间找不到想要的内容，在此期间容易被一些无关信息影响。除此之外，现在的搜索大多是解决一次性的明确的问题。但是，现实生活中，我们可能对于某一领域只有模糊的概念，不能很好地输入完整的问题来找到最适合的答案。希望该方法不仅仅解决明确问题的过程，更是可以辅助用户实现学习与探索某一领域的能力。为了解决这个问题，探索式搜索应运而生。
探索式搜索的概念是由数字图书馆领域的权威学者Marchionini G于2006年在ACM通信上首次明确提出的，他将人们对于信息的需求分为三个层次：1)需求基本事实，辅助解决一个短期的任务；2)联系基本概念，帮助人们理解某个现象或者执行较为复杂的任务；3)整合相关知识，深入了解某个领域。为了实现人们对信心的三个层次需求，尤其是后两个需求，用户需要进行多次交互。SIGCHI于2007年讨论了探索式搜索界面设计的要求以及面临的挑战。White R于2009年从定义、特点到关键问题对探索式搜索进行了细致的理论研究，认为探索式搜索不只是进行查询任务，更重要的是进行学习和调查的活动。其基本特征是：不熟悉目标领域；不清楚搜索目标；不确定如何明确搜索目标。现有的探索式搜索不能支持海量的RDF数据，在人机交互方面存在改进之处，查询处理的模式也存在一定的问题。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于社交类平台的知识图谱的探索式搜索方法。本发明要解决的技术问题通过以下技术方案实现：
一种基于社交类平台的知识图谱的探索式搜索方法，包括以下步骤：
步骤一：利用社交平台的数据进行知识图谱的构建；
步骤二：利用探索式搜索系统对知识图谱进行搜索。
进一步的，所述知识图谱的构建方法为使用斯坦福七步法对数据的本体进行构建。
进一步的，所述斯坦福七步法包括以下步骤：
(1)明确数据范围；
(2)考虑是否使用现有数据本体库；
(3)列举出来可以应用的重要词汇和术语构；
(4)对列举的词汇和术语进行分类，作为数据的本体，并确定本体间的等级关系；
(5)利用RDF/RDFS语言来描述数据，使得用户可以标准地描述指定领域中的类和属性；
(6)在RDFS基础上进行FOAF词汇扩展，并将FOAF文件与其他的FOAF文件合并起来形成一个结构确定的RDF数据文件；
(7)利用Neo4j图数据库进行RDF数据文件的存储，形成知识图谱。
进一步的，所述RDF/RDFS语言通过为数据分配唯一的标识符URI，同时采用统一的RDF数据模型来描述数据及其相互联系。
进一步的，所述探索式搜索系统为基于知识图谱数据库的搜索系统，其通过输入进行查询构建，查询构建的结果结合了用户的相关信息以及根据搜索结果进行反馈；查询构建之后对搜索结果进行可视化显示，进而排序输出，并结合主题可视化和信息可视化输出搜索结果；用户对搜索结果满意就结束搜索，不满意则迭代继续搜索。
与现有技术相比，本发明的有益效果：
本技术利用语义Web框架技术构建知识图谱，利用RDF/RDFS语言来描述问答类社交平台中的数据，在RDFS基础上进行FOAF词汇扩展，进而利用基于知识图谱数据库的探索式搜索系统；可以更好地弥补人们对于目前单一的“提交问题-返回结果”的搜索引擎的缺点，更好地满足人们对于知识不仅仅是进行查询的过程，更好地让是对某一领域的学习和调查研究过程。
附图说明
图1是斯坦福七步法示意图。
图2是本探索式搜索系统流程图。
图3是知乎的教育话题结构图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
一种基于社交类平台的知识图谱的探索式搜索方法，包括以下步骤：
步骤一：利用社交平台的数据进行知识图谱的构建；
步骤二：利用探索式搜索系统对知识图谱进行搜索。
知识图谱的构建方法为使用斯坦福七步法对数据的本体进行构建。
如图1所示，斯坦福七步法包括以下步骤：
(1)明确数据范围；
(2)考虑是否使用现有数据本体库；
(3)列举出来可以应用的重要词汇和术语构；
(4)对列举的词汇和术语进行分类，作为数据的本体，并确定本体间的等级关系；
(5)利用RDF/RDFS语言来描述数据，使得用户可以标准地描述指定领域中的类和属性；
(6)在RDFS基础上进行FOAF词汇扩展，并将FOAF文件与其他的FOAF文件合并起来形成一个结构确定的RDF数据文件；一个FOAF文件本身就是一个RDF文件，这样能够方便地处理RDF文件的软件就可以很容易的处理它；利用FOAF可以很好地扩展RDF和RDFS描述数据的不足，完善处理数据。
(7)利用Neo4j图数据库进行RDF数据文件的存储，形成知识图谱。
RDF/RDFS语言通过为数据分配唯一的标识符URI，同时采用统一的RDF数据模型来描述数据及其相互联系；Neo4j图数据库利用节点、关系以及属性可以完整地描述用户及其关系。Neo4j图数据库的节点具有随时增删的功能；关系上可以赋予多种属性，灵活地扩展数据模型；另外，Neo4j提供了深度遍历查询的借口，可以快速地找到不同关系下的任意节点。Neo4j的存储模式是把所有的数据建模成图结构，进而实现数据的管理和应用。Neo4j中节点和关系组成有向图，利用属性可以在有向图中加入对应的数据，形成相关数据的对应图数据库。
基于知识图谱的探索式搜索的模型构建，利用探索式搜索可以实现逐步引导，帮助用户查阅信息而且通过多次交互实现用户对某一领域的学习和研究。探索式搜索解决了用户把模糊的信息需求逐步理清，在探索式搜索过程中，用户逐步明确信息需求，从各种数据中学习，研究问题的解决方案。与此同时，促进了用户的智力增长和个人知识的扩展，实现用户的搜索需求。
根据white对探索式搜索的归纳定义，我们明确了探索式搜索的必备要素：查询构建，搜索上下文，可视化支持，辅助学习，社交化操作，会话记录以及任务管理。
所述探索式搜索系统为基于知识图谱数据库的搜索系统，其通过输入进行查询构建，查询构建的结果结合了用户的相关信息以及根据搜索结果进行反馈；查询构建之后对搜索结果进行可视化显示，进而排序输出，并结合主题可视化和信息可视化输出搜索结果；用户对搜索结果满意就结束搜索，不满意则迭代继续搜索；一次搜索会提供相关线索，进而提供下一个相关搜索的关键词，方便多次继续搜索。这样的多次人机交互过程可以让用户更好地理解相关领域的知识概念并深入学习。
实施例1：
本实施例以社交类问答平台的代表知乎为研究对象，选用知乎下的教育话题，通过Python爬虫抓取知乎数据；结合本文需求，列出了所需要用到的词汇和术语。这些词汇和术语帮助构建本体，用来描述数据的类，属性以及实例。《教育主题词表》涵盖了教育的各个领域，具有一定的权威性。教育话题的主题词主要依据《教育主题词表》来进行定义和设置。《教育主题词表》的分类范畴和大类如下表所示：
Figure BDA0002453786820000061
上表中对教育的分类可以作为教育领域本体。利用类目体系将教育话题的基本范畴和基本大类转化为本体中的相关概念。确定教育本体之间的等级关系，将《教育主题词表》中的基本范畴作为1级类，基本大类作为2级类，以此对教育本体进行扩展。
在知乎中，教育这一话题下分布了各种子话题，子话题下分布子话题。以此类推，形成了一个庞大的关于教育知识的网络图。
结合知乎的数据教育话题以及其下的子话题特点，进行数据的重新定义。知乎下的教育话题共有15774694个关注者，教育话题下的问题数总共是1882578个。教育话题下共有81个子话题，子话题下还有许多子话题的子话题；知乎的教育话题结构部分结构如3图所示。
根据知乎的教育话题结构，利用相关技术对教育话题以及其子话题进行重新编码定义以便计算机可以识别和分析，进一步形成知识图谱。
因此利用RDFS对教育话题的整体逻辑框架进行定义，部分代码如表所示：
表RDFS对数据的定义
Figure BDA0002453786820000071
FOAF协议可以对一些实体进行扩充，在FOAF的基础上丰富实体的含义。FOAF具有用来描述一个人以及其在网络上的行为，发表的文章，个人信息等特点。结合本文的需求，利用FOAF对实例信息进行编码具有现实的意义。FOAF的常用描述类以及属性如表所示：
表FOAF的常用类和属性
Figure BDA0002453786820000081
FOAF和RDFS都使用W3C标准进行定义，因此具有共享性。FOAF除了以“foaf：”作为前缀的词汇外，还可利用RDFS进行外部参考。在FOAF不能满足用户需求时，可以与RDFS结合使用。外部参考词汇与FOAF内置词汇可以相互补充，互相结合使用。FOAF与RDFS等外部词汇的结合能够使知乎的语义化描述更加丰富。
FOAF类提供了对知乎话题下的用户的本体定义，FOAF属性提供了对用户与话题之间关系的规范描述。根据FOAF所公布的词汇内容，本文分析FOAF类与知乎中用户的本体描述对应情况如表：
表FOAF类与用户信息相关实体对应表
Figure BDA0002453786820000082
由上表可以看出，知乎的相关实体都可以通过FOAF进行定义，FOAF全面地涵盖了关于用户的相关实体定义。
利用FOAF属性对知乎平台的用户本体信息与关系属性信息进行描述的对应关系(如果FOAF没有属性可以描述用户本体与关系属性的信息，利用RDFS进行补充描述)在上表中，定义了用户和文章两个实体之间的各种关系，尽量进行FOAF的语言描述。但是由于数据的特殊性，对于FOAF不能定义的实体，本文利用方便快捷的RDFS进行自定义。在上表中，利用加黑字体对其进行了区分。具体的对应关系如表所示：
FOAF配合RDFS对用户本体的描述
Figure BDA0002453786820000091
FOAF配合RDFS对用户本体的描述
Figure BDA0002453786820000092
Figure BDA0002453786820000101
本文主要选取知乎的教育话题相关内容进行研究，通过选取精华回答潇峰学长的“有什么相见恨晚的背单词方法”来进行FOAF和RDFS的定义说明。FOAF具有丰富的属性描述，几乎涵盖了所需要的部分。如果数据需要描述，首先查看FOAF是否有符合的属性可以利用，如果没有就利用RDFS定义所需属性。知乎实例具有格式上的统一性，实例的本体信息主要包括：回答的题目，内容，时间，问题的关注人数，用户信息等，实例的属性信息主要包括：回答的作者，作者的相关信息等。该精华回答属于教育话题下英语子话题的背单词话题下的IELTS(雅思)话题。基于FOAF词汇信息和RDFS描述语言对该问题的相关描述部分示例如表所示：
Figure BDA0002453786820000111
通过利用语义web技术对本体进行构建，把rdf数据存入Neo4j形成知识图谱，给探索式搜索提供良好的数据支持，方便探索式搜索系统的实现。
结合探索式搜索的特点设置系统，系统的主功能是进行搜索。该系统通过输入进行查询构建，查询构建的结果结合了用户的相关信息以及根据搜索结果进行反馈的规则。该系统在查询构建之后对搜索结果进行可视化显示，帮助用户发现信息之间的关系，进而排序输出，结合主题可视化和信息可视化输出搜索结果。用户对搜索结果满意就结束搜索，不满意则迭代继续搜索。因此设置的流程图如图3所示。
为了验证该系统的搜索准确率，本论文对比了直接在社交类问答平台以知乎为例进行搜索以及利用百度搜索。从搜索次数(通过几次搜索可以得到想要的回答)、内容质量以及准确率上进行验证。在信息检索(Information Retrieval)领域，系统地给出了计算准确率(accuracy)的方法。其定义是:对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。基于此，在本实验中准确率的计算定义为根据用户搜索到满意答案的次数以及浏览的时间。根据得到的结果如所示：
表搜索引擎对比评估结果
Figure BDA0002453786820000121
对比当前的传统搜索引擎，由于目前的搜索引擎提供的是一次性的搜索，用户输入问题后，系统进行关键词匹配进而提供搜索结果。但是传统搜索引擎没有经过迭代过程，用户想要的搜索内容可能会出现在搜索界面的后方或者多次搜索才可以找到。用户对于搜索结果的查看，通常只是从上往下浏览，如果发现没有想要的搜索结果就不会继续往下查看，结果导致找不到满意的搜索结果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于社交类平台的知识图谱的探索式搜索方法，其特征在于：包括以下步骤：
步骤一：利用社交平台的数据进行知识图谱的构建；
步骤二：利用探索式搜索系统对知识图谱进行搜索。
2.根据权利要求1所述的一种基于社交类平台的知识图谱的探索式搜索方法，其特征在于：所述知识图谱的构建方法为使用斯坦福七步法对数据的本体进行构建。
3.根据权利要求2所述的一种基于社交类平台的知识图谱的探索式搜索方法，其特征在于：所述斯坦福七步法包括以下步骤：
(1)明确数据范围；
(2)考虑是否使用现有数据本体库；
(3)列举出来可以应用的重要词汇和术语构；
(4)对列举的词汇和术语进行分类，作为数据的本体，并确定本体间的等级关系；
(5)利用RDF/RDFS语言来描述数据，使得用户可以标准地描述指定领域中的类和属性；
(6)在RDFS基础上进行FOAF词汇扩展，并将FOAF文件与其他的FOAF文件合并起来形成一个结构确定的RDF数据文件；
(7)利用Neo4j图数据库进行RDF数据文件的存储，形成知识图谱。
4.根据权利要求3所述的一种基于社交类平台的知识图谱的探索式搜索方法，其特征在于：所述RDF/RDFS语言通过为数据分配唯一的标识符URI，同时采用统一的RDF数据模型来描述数据及其相互联系。
5.根据权利要求1所述的一种基于社交类平台的知识图谱的探索式搜索方法，其特征在于：所述探索式搜索系统为基于知识图谱数据库的搜索系统，其通过输入进行查询构建，查询构建的结果结合了用户的相关信息以及根据搜索结果进行反馈；查询构建之后对搜索结果进行可视化显示，进而排序输出，并结合主题可视化和信息可视化输出搜索结果；用户对搜索结果满意就结束搜索，不满意则迭代继续搜索。
CN202010300432.XA 2020-04-16 2020-04-16 一种基于社交类平台的知识图谱的探索式搜索方法 Pending CN111680222A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010300432.XA CN111680222A (zh) 2020-04-16 2020-04-16 一种基于社交类平台的知识图谱的探索式搜索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010300432.XA CN111680222A (zh) 2020-04-16 2020-04-16 一种基于社交类平台的知识图谱的探索式搜索方法

Publications (1)

Publication Number Publication Date
CN111680222A true CN111680222A (zh) 2020-09-18

Family

ID=72451605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010300432.XA Pending CN111680222A (zh) 2020-04-16 2020-04-16 一种基于社交类平台的知识图谱的探索式搜索方法

Country Status (1)

Country Link
CN (1) CN111680222A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760495A (zh) * 2016-02-17 2016-07-13 扬州大学 一种基于知识图谱针对bug问题进行探索性搜索方法
CN109033284A (zh) * 2018-07-12 2018-12-18 国网福建省电力有限公司 基于知识图谱的电力信息运维系统数据库构建方法
CN109284394A (zh) * 2018-09-12 2019-01-29 青岛大学 一种从多源数据集成视角构建企业知识图谱的方法
CN109918475A (zh) * 2019-01-24 2019-06-21 西安交通大学 一种基于医疗知识图谱的可视查询方法及查询系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760495A (zh) * 2016-02-17 2016-07-13 扬州大学 一种基于知识图谱针对bug问题进行探索性搜索方法
CN109033284A (zh) * 2018-07-12 2018-12-18 国网福建省电力有限公司 基于知识图谱的电力信息运维系统数据库构建方法
CN109284394A (zh) * 2018-09-12 2019-01-29 青岛大学 一种从多源数据集成视角构建企业知识图谱的方法
CN109918475A (zh) * 2019-01-24 2019-06-21 西安交通大学 一种基于医疗知识图谱的可视查询方法及查询系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
余凡: "《领域本体构建方法及实证研究 以测绘学领域为例》", 31 August 2015, 武汉大学出版社 *
周晴宇: "基于医疗知识图谱的探索式搜索研究", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 *
查先进 等: "《信息资源配置与共享》", 31 July 2008, 武汉大学出版社 *
郭梦莹 等: ""领域本体七步法"在中医辨证推理知识库构建中的应用", 《世界科学技术-中医药现代化》 *

Similar Documents

Publication Publication Date Title
Van Opijnen et al. On the concept of relevance in legal information retrieval
US11645317B2 (en) Recommending topic clusters for unstructured text documents
Uren et al. The usability of semantic search tools: a review
WO2014160379A1 (en) Dimensional articulation and cognium organization for information retrieval systems
Pyshkin et al. Approaches for web search user interfaces
Schraefel et al. CS AKTive space: representing computer science in the semantic web
Di Blas et al. Exploratory computing: a comprehensive approach to data sensemaking
Stojanovic On the query refinement in the ontology-based searching for information
Tao et al. Building ontology for different emotional contexts and multilingual environment in opinion mining
Tvarožek et al. Improving semantic search via integrated personalized faceted and visual graph navigation
Di Blas et al. Exploratory computing: a draft Manifesto
Reddy et al. A novel approach for similarity and indexing-based ontology for semantic web educational system
Witschel et al. KvGR: a graph-based interface for explorative sequential question answering on heterogeneous information sources
Gorenjak et al. A question answering system on domain specific knowledge with semantic web support
Dai et al. Qam: question answering system based on knowledge graph in the military
CN111680222A (zh) 一种基于社交类平台的知识图谱的探索式搜索方法
EL GUEMMAT et al. Towards a new educational search engine based on hybrid searching and indexing techniques
Vallejo-Figueroa et al. Using text mining and linked open data to assist the mashup of educational resources
Li et al. A framework of ontology-based knowledge management system
Priya et al. Design and development of an ontology based personal web search engine
Hampson et al. Supporting personalized information exploration through subjective expert-created semantic attributes
Farrokhnia Searching for Cultural Heritage Information. Ontology-based Modeling of User Needs
Varanka et al. Topographic mapping data semantics through data conversion and enhancement
Franciscatto et al. Talk to Your Data: a Chatbot System for Multidimensional Datasets
Lachake et al. A survey on personalized search: an web Information retrieval system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200918

RJ01 Rejection of invention patent application after publication