[發明專利]一種基于語義的油田搜索引擎構建方法

在審

• 申請號: 201610078536.4
• 申請日: 2016-02-03
• 公開（公告）號: CN107038172A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 佟星;劉陽;張天石;曾鵬;于海斌;顧峰碩;許秀珍
• 申請（專利權）人: 中國科學院沈陽自動化研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 沈陽科苑專利商標代理有限公司21002
• 代理人: 許宗富

1.一種基于語義的油田搜索引擎構建方法，其特征在于：包括以下步驟：

首先構建油田本體庫，然后抓取油田領域網絡中的信息，最后構建油田搜索引擎。

2.根據權利要求1所述的基于語義的油田搜索引擎構建方法，其特征在于：所述油田本體庫的構建包括以下過程：

首先，定義類和類的層次，確保類的等級是“is-a”關系；

其次，定義類的屬性和屬性分面，類的屬性根據內在特性、外在特性、局部關系和個體關系四種特性進行分層和定義；屬性分面包括屬性取值類型、允許的取值、取值個數、同義詞和其它屬性取值特征；

最后，實現油田本體庫的構建。

3.根據權利要求1所述的基于語義的油田搜索引擎構建方法，其特征在于：所述抓取油田領域網絡中的信息包括以下步驟：

步驟1：將種子網站作為抓取源頭，選取目標URL，按評分由高到低依次選取若干URL；

步驟2：對蜘蛛線程進行調度，如果緩存中文件數目大于所選取URL的1/2時，蜘蛛線程休眠；否則蜘蛛線程從休眠狀態喚醒，并將URL分配給該蜘蛛線程，開始爬取油田領域網絡中的信息；

步驟3：如果URL分配完畢，則完成抓取過程，蜘蛛線程進入休眠狀態。

4.根據權利要求3所述的基于語義的油田搜索引擎構建方法，其特征在于：所述URL與域名為一一對應關系。

5.根據權利要求1所述的基于語義的油田搜索引擎構建方法，其特征在于：所述構建油田搜索引擎包括以下步驟：

步驟1：對網頁文本進行過濾，把無用廣告和彈出窗口過濾掉；

步驟2：對過濾后的網頁文本進行分詞，并將分詞結果與本體庫中的油田專 業詞匯進行匹配，保留匹配結果；

步驟3：在本體庫中找出與匹配結果同義的關鍵詞，即為關鍵詞的同義詞；

步驟4：將關鍵詞以及關鍵詞的同義詞利用lucene構建倒排索引。