基于Web數(shù)據(jù)表抽取的領(lǐng)域本體構(gòu)建方法研究.pdf

1、作為當前Web的擴展，語義Web成為目前的熱點研究領(lǐng)域，而本體是實現(xiàn)語義Web的關(guān)鍵。但目前本體構(gòu)建技術(shù)尚不成熟，多采用人工方式進行，不僅費時費力，并且容易出錯。如何利用現(xiàn)有數(shù)據(jù)源自動、半自動地快速構(gòu)建高質(zhì)量本體引起了許多研究者的興趣。表格在Web上廣泛存在，易于獲取，并且包含了大量結(jié)構(gòu)化數(shù)據(jù)，可以作為構(gòu)建領(lǐng)域本體的良好數(shù)據(jù)源。本文針對如何使用Web數(shù)據(jù)表構(gòu)建領(lǐng)域本體展開研究。
　　當前相關(guān)領(lǐng)域的研究主要存在兩方面的問題:一方面，

2、Web表格抽取技術(shù)不能滿足構(gòu)建高質(zhì)量領(lǐng)域本體的需要，已有的方法大多僅考慮了table標簽編碼的表格，涵蓋范圍較窄，且許多方法僅依據(jù)視覺特征抽取表格，抽取的查準率較低;另一方面，當前存在的從Web表格構(gòu)建本體的方法通常需要外界知識庫的支持，且已有方法往往不能同時抽取本體類和屬性的層次結(jié)構(gòu)以及本體實例。
　　本文在現(xiàn)有研究基礎(chǔ)上，針對其不足，提出了一種基于Web數(shù)據(jù)表抽取的領(lǐng)域本體構(gòu)建方法。首先，本文給出了Web數(shù)據(jù)表的定義，歸納了其

3、編碼類型，提出了一種綜合考慮DOM結(jié)構(gòu)特征及節(jié)點在瀏覽器上位置關(guān)系的Web數(shù)據(jù)表抽取算法，該算法能較好涵蓋現(xiàn)有的Web數(shù)據(jù)表的范圍。然后，本文進一步提出了一種利用數(shù)據(jù)表中數(shù)據(jù)的類型分布特征來判斷表格維度和表頭位置的Web數(shù)據(jù)表結(jié)構(gòu)識別算法。在此基礎(chǔ)上，給出了基于Web數(shù)據(jù)表抽取的領(lǐng)域本體的構(gòu)建方法，即從Web數(shù)據(jù)表到本體描述語言O(shè)WL的映射規(guī)則。最后，基于已提出的方法，設(shè)計開發(fā)了一個本體構(gòu)建原型系統(tǒng)，驗證了Web數(shù)據(jù)表抽取和結(jié)構(gòu)識別算法