面向Web的領(lǐng)域知識演化關(guān)系抽取研究.pdf

1、互聯(lián)網(wǎng)的迅猛發(fā)展，帶來了大量非結(jié)構(gòu)化、異構(gòu)化的數(shù)據(jù)，互聯(lián)網(wǎng)環(huán)境下相同領(lǐng)域中不同的知識概念間存在著多種關(guān)系，但是這些無序化的知識概念數(shù)據(jù)相互雜糅在一起，給學(xué)習(xí)者快速而又全面的了解與學(xué)習(xí)領(lǐng)域知識帶來了困難，同時也給構(gòu)造互聯(lián)網(wǎng)領(lǐng)域知識的應(yīng)用帶來了挑戰(zhàn)。目前關(guān)于領(lǐng)域知識的研究大多集中于上下位關(guān)系、等同關(guān)系等關(guān)系的研究。然而領(lǐng)域知識間的演化關(guān)系對于學(xué)習(xí)者學(xué)習(xí)和理解領(lǐng)域知識，梳理領(lǐng)域知識的前序和后續(xù)邏輯關(guān)系具有重要意義。就目前的研究所閱讀的文獻(xiàn)而言

2、，暫未發(fā)現(xiàn)針對這一方面的研究。因此，針對領(lǐng)域知識的演化關(guān)系抽取具有重要的研究意義與實用價值。本文對 Web環(huán)境下的領(lǐng)域知識演化關(guān)系抽取開展了以下工作：
　　第一，針對 We b數(shù)據(jù)的特殊性，利用詞頻統(tǒng)計與人工挑選的方法構(gòu)建特征詞詞典，為 Web數(shù)據(jù)進(jìn)行文本分類提供前提；
　　第二，在構(gòu)建特征詞詞典的基礎(chǔ)上，提出一種基于特征詞的We b領(lǐng)域知識文本分類方法。實驗表明該方法具有良好的準(zhǔn)確率與召回率，能有效的從 We b數(shù)據(jù)中分類

3、出含有領(lǐng)域知識的數(shù)據(jù)，為面向 Web的領(lǐng)域知識演化關(guān)系抽取研究奠定基礎(chǔ)；
　　第三，提出演化關(guān)系的定義，根據(jù)定義建立了領(lǐng)域知識演化關(guān)系推理模型，為不同結(jié)構(gòu)、不同語義的領(lǐng)域知識關(guān)系表達(dá)建立準(zhǔn)確的句法分析機制，利用知識概念之間的語義角色關(guān)系設(shè)計領(lǐng)域知識演化關(guān)系模式；
　　第四，在定義與推理模型的研究基礎(chǔ)上，提出了基于條件隨機場(Conditional Random Fields，CRF)模型的領(lǐng)域知識演化關(guān)系抽取方法，對于不同的

4、演化關(guān)系模式，建立了統(tǒng)一的演化關(guān)系抽取理論模型。實驗表明，該方法較同類關(guān)系抽取模型具有更好的實驗性能，能有效地發(fā)現(xiàn)領(lǐng)域知識之間的演化關(guān)系；
　　最后，在前面的研究基礎(chǔ)上，將演化關(guān)系抽取的結(jié)果應(yīng)用在“機器學(xué)習(xí)”領(lǐng)域，設(shè)計并繪制了一個“機器學(xué)習(xí)”領(lǐng)域知識圖譜，該圖譜能夠有效挖掘領(lǐng)域?qū)W科下知識集合的演化體系，識別重難點知識，清晰明了的展示“機器學(xué)習(xí)”領(lǐng)域中具有演化關(guān)系的領(lǐng)域知識，給學(xué)習(xí)者學(xué)習(xí)與了解“機器學(xué)習(xí)”領(lǐng)域提供支撐，對學(xué)科建設(shè)以及