1、過去的幾十年里，我們一起見證了因特網(wǎng)的迅猛發(fā)展和網(wǎng)絡(luò)信息的不斷膨脹。但是隨著信息量的逐漸增加，傳統(tǒng)的網(wǎng)絡(luò)爬蟲已經(jīng)不能很好地滿足用戶對(duì)爬蟲性能的需求。因此基于本體的網(wǎng)絡(luò)爬蟲應(yīng)運(yùn)而生，它的出現(xiàn)很大程度地提高了爬蟲對(duì)某個(gè)領(lǐng)域的查準(zhǔn)率。而本體在網(wǎng)絡(luò)爬蟲中的應(yīng)用，大大減小了一詞多義給主題爬蟲帶來的不精確性。目前，基于本體的網(wǎng)絡(luò)爬蟲技術(shù)還不夠成熟，在一些大型的搜索引擎中并未采用此技術(shù)。不過隨著搜索引擎技術(shù)不斷的發(fā)展和人們對(duì)網(wǎng)絡(luò)搜索技術(shù)要求的提高，基

2、于本體的網(wǎng)絡(luò)爬蟲將會(huì)為未來的搜索領(lǐng)域開辟一塊新的天地。
　　本文對(duì)基于本體的網(wǎng)絡(luò)爬蟲進(jìn)行了深入的研究。在詳細(xì)地闡述了網(wǎng)絡(luò)爬蟲和本體論的知識(shí)之后，全面地介紹了基于本體網(wǎng)絡(luò)爬蟲的模型，并且對(duì)模型各個(gè)模塊進(jìn)行了詳細(xì)的分析。同時(shí)結(jié)合國(guó)內(nèi)外對(duì)基于本體網(wǎng)絡(luò)爬蟲的研究，提出了構(gòu)建基于本體網(wǎng)絡(luò)爬蟲的基本方法。首先結(jié)合本體論的基本知識(shí)，選取了計(jì)算機(jī)教育領(lǐng)域作為本體，對(duì)該領(lǐng)域進(jìn)行了全面的分析并且使用開源軟件 Protégé來構(gòu)建基于網(wǎng)絡(luò)本體語言（OW

3、L）的本體模型。其次，本文詳細(xì)地介紹了空間向量模型。該方法將頁面和本體用向量來表示，通過計(jì)算向量之間的夾角來衡量鏈接與領(lǐng)域之間的相關(guān)度。接著，采用Java語言來實(shí)現(xiàn)基于本體的網(wǎng)絡(luò)爬蟲系統(tǒng)，并且將本體論的知識(shí)，向量模型，與網(wǎng)絡(luò)爬蟲的技術(shù)相結(jié)合，全面地介紹了基于本體網(wǎng)絡(luò)爬蟲的每一個(gè)模塊的實(shí)現(xiàn)細(xì)節(jié)。最后，對(duì)網(wǎng)絡(luò)爬蟲爬取的信息進(jìn)行了全面的分析，用查準(zhǔn)率與查全率作為本體爬蟲性能的衡量指標(biāo)。綜合地展示了基于本體的網(wǎng)絡(luò)爬蟲的性能。通過實(shí)驗(yàn)結(jié)果我們可以