双结构网络是一种以互联网为主结构而以播存网络为次结构的新型网络架构,其能够充分利用物理广播向用户一侧分发互联网热门内容,以便有效地降低内容分发路由跳数。而统一内容标签(Uniform Content Label,UCL)用来解决异步广播通信缺乏交互的弊端,且有助于理顺互联网杂乱无章的非结构化内容,使用户能够快速获取互联网内容中的丰富语义信息。然而,目前关于双结构网络的研究主要集中在缓存策略和信息推荐方面,这导致用户能够获取的UCL信息仅局限于自身兴趣和本地缓存,且缺乏对全局UCL信息的感知。因此,研究如何将散乱的UCL进行有效地语义组织为双结构网络用户提供可靠的UCL知识发现服务具有重要的前瞻研究意义。为此,本文提出了一种基于命名实体(Named Entity,NE)的UCL语义关联模型,设计了UCL知识空间(UCL Knowledge Space,UCLKS),用以实现基于实体的海量UCL的知识表达、组织和发现。在UCLKS的基础之上提出了面向自然语言问句的UCL内容解析服务的解决方案,以便双结构网络用户能够轻易获取UCL全局知识。具体而言,本文的研究工作主要包括以下三个方面:1)针对有效组织双结构网络中的海量UCL的问题,并结合UCL知识发现的需求,设计了基于UCL的知识空间,并提出了一种基于百度百科的UCL知识空间构建方法。该方法首先通过爬取到的百度百科词条构建基于命名实体的关联图谱;然后,使用基于机器学习与规则结合的方法抽取UCL中的实体并计算其语义权重,并借助实体消歧算法将UCL与命名实体关联图谱进行知识融合;最后,提出了UCL知识空间的持久化方案。UCL知识空间的构建方法通过命名实体将百科知识与UCL信息进行了语义融合,为UCL知识发现提供了可靠依据。2)针对双结构网络中的UCL知识发现问题,提出了基于UCL的内容解析服务,设计了一种能够理解自然语言问句的UCL内容解析服务方案。该方案首先通过基于语序推导规则的查询式生成算法将用户输入的自然语言问句翻译为数据库查询语句;然后,根据用户请求在UCLKS上获取相关UCL信息;最后,根据与输入的语义关联程度对UCL进行排序并返回给用户。UCL内容解析服务方案能够理解用户输入的问句,并向用户提供百科知识解答和相关UCL信息。3)在课题组双结构网络原型系统的基础上,一方面研发了基于UCL知识空间的内容解析原型系统。原型系统通过命名实体对UCL进行语义关联以建立UCL知识空间,并通过对用户查询问句的语义理解在UCL知识空间中解答用户的内容解析请求。另一方面,利用UCL知识空间中的真实内容对本文提出的基于语境相似度的实体消歧算法、基于语序推导规则的查询式生成算法和基于语义关联的UCL排序算法进行验证和分析。实验结果验证了本文提出的相关算法的可行性和有效性。