構(gòu)建中文大規(guī)模開(kāi)放鏈接模式關(guān)鍵問(wèn)題的研究.pdf

1、近年來(lái)，隨著語(yǔ)義網(wǎng)的飛速發(fā)展，越來(lái)越多的數(shù)據(jù)以結(jié)構(gòu)化的形式(RDF)發(fā)布在萬(wàn)維網(wǎng)上，并且鏈接數(shù)據(jù)開(kāi)啟了將分布在萬(wàn)維網(wǎng)各處的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行關(guān)連的行動(dòng)。開(kāi)放鏈接數(shù)據(jù)項(xiàng)目是目前最大的對(duì)語(yǔ)義數(shù)據(jù)進(jìn)行發(fā)布和互連的社區(qū)工作。它將萬(wàn)維網(wǎng)從文檔萬(wàn)維網(wǎng)轉(zhuǎn)變成數(shù)據(jù)萬(wàn)維網(wǎng)，目前開(kāi)放鏈接數(shù)據(jù)已經(jīng)擁有超過(guò)兩百個(gè)數(shù)據(jù)集。
　　雖然當(dāng)前的開(kāi)放鏈接數(shù)據(jù)擁有數(shù)十億的三元組來(lái)描述數(shù)百萬(wàn)的實(shí)體，但是僅擁有很少數(shù)量的模式層的信息并且缺乏模式層的相關(guān)公理。如果存在一個(gè)質(zhì)量

2、高和覆蓋度廣的通用模式，它可以對(duì)不同領(lǐng)域的本體進(jìn)行模式層信息的提純，并且拉近輕量級(jí)開(kāi)放鏈接數(shù)據(jù)與富于表達(dá)能力的本體之間的鴻溝，此外還可以幫助進(jìn)行數(shù)據(jù)集成與語(yǔ)義搜索等相關(guān)研究工作。因此，本文貢獻(xiàn)了開(kāi)放鏈接數(shù)據(jù)的有效補(bǔ)充部分，即開(kāi)放鏈接模式。開(kāi)放鏈接模式旨在在概念之間增加更有表達(dá)能力的本體公理，其中不同來(lái)源中的概念之間的鏈接不僅僅只局限于等價(jià)關(guān)系。
　　本文中將介紹大規(guī)模中文開(kāi)放鏈接模式即Zhishi.schema在構(gòu)建過(guò)程中遇到的關(guān)

3、鍵問(wèn)題及其解決方法。本文首先從超過(guò)五十個(gè)不同的中文流行社交網(wǎng)絡(luò)站點(diǎn)中收集導(dǎo)航分類(lèi)與動(dòng)態(tài)標(biāo)簽，然后提出了一個(gè)基于監(jiān)督學(xué)習(xí)的兩階段的方法從收集到的導(dǎo)航分類(lèi)與動(dòng)態(tài)標(biāo)簽中識(shí)別等價(jià)、包含與相關(guān)關(guān)系，從而獲得一個(gè)由包含關(guān)系組成的整合概念分類(lèi)體系與一個(gè)由等價(jià)及相關(guān)關(guān)系構(gòu)成的大規(guī)模的語(yǔ)義網(wǎng)絡(luò)。
　　本文構(gòu)建的中文開(kāi)放鏈接模式共包含408，069個(gè)分類(lèi)標(biāo)簽，其中328，288是靜態(tài)分類(lèi)，79，781個(gè)是動(dòng)態(tài)標(biāo)簽，另外還包括1，560，725個(gè)包含關(guān)