基于本體的領域信息采集及其應用.pdf

1、隨著互聯(lián)網(wǎng)在最近二十年內(nèi)的高速發(fā)展，人們越來越多的從互聯(lián)網(wǎng)上獲取知識，互聯(lián)網(wǎng)的知識大多以網(wǎng)頁的形式為人們提供知識，這非常方便人們進行獲取。而如何從浩瀚的互聯(lián)網(wǎng)信息中準確而有效的獲取知識，這就需要用到網(wǎng)頁信息抽取技術，Web網(wǎng)頁抽取技術可以將網(wǎng)頁上展現(xiàn)的信息按一定規(guī)則提取出來。需要注意的是，Web網(wǎng)頁抽取技術所面向的并不是純粹的文本數(shù)據(jù)，而是半結構化的網(wǎng)頁數(shù)據(jù)。
　　本體(Ontology)是一個用于描述領域內(nèi)通用知識的哲學概念，它

2、的基本定義是“特定領域內(nèi)概念以及概念之間關系的集合”，本體非常適合做領域知識的語義模型，本體應用的基礎是本體構建，近年來受到了學術界的廣泛研究，其需要領域?qū)＜业膮⑴c，對大量領域內(nèi)的概念、知識及實例進行規(guī)范的組織，這將耗費大量的時間和精力。當前維基百科類的信息展現(xiàn)類資源在網(wǎng)絡上非常豐富，本文將網(wǎng)絡領域信息提取與本體相結合，提出了基于本體的領域信息采集方法，將領域內(nèi)的大量實例及其對應關系能半自動化的存儲于本體，實現(xiàn)本體的便捷構建和領域信息的

3、采集存儲。
　　本文應用基于本體的領域信息采集方式，采集了電影領域相關知識，利用Protégé進行本體的結構建設，對豆瓣電影網(wǎng)站的數(shù)據(jù)進行了獲取，并通過Jena Api的方式將數(shù)據(jù)融入本體，應用 Jess設定規(guī)則進行推理，豐富本體的知識集，最后應用電影本體完成了電影領域信息展現(xiàn)系統(tǒng)。
　　通過電影本體來存儲電影領域知識，可以有效地將各個不同源的電影數(shù)據(jù)很好的整合在一起，同時豆瓣網(wǎng)站上所展現(xiàn)出來的數(shù)據(jù)僅僅是一些表象的數(shù)據(jù)，本文