社交網(wǎng)站中文本體挖掘方法.pdf

1、當(dāng)今，在開放的互聯(lián)網(wǎng)環(huán)境中，涌現(xiàn)出了大量不同類型的社交網(wǎng)站，在中國，社交網(wǎng)站也紛繁復(fù)雜，覆蓋了人們生活的各個(gè)領(lǐng)域，對(duì)這些社交網(wǎng)站進(jìn)行挖掘，提取出這些網(wǎng)站的網(wǎng)絡(luò)標(biāo)簽（也可以理解為網(wǎng)站的分類體系結(jié)構(gòu)）是很有意義的?？梢詫?duì)開放關(guān)聯(lián)數(shù)據(jù)(Linked Open Data)提供很好的補(bǔ)充，也可以為中文本體的構(gòu)建提供更大的多樣性。
　　由于不同網(wǎng)站的組織結(jié)構(gòu)大不相同，根據(jù)網(wǎng)絡(luò)標(biāo)簽所創(chuàng)建的本體往往會(huì)出現(xiàn)很明顯的本體異構(gòu)現(xiàn)象。要消除這種異構(gòu)現(xiàn)象，

2、就需要較為成熟的本體匹配方法。目前很多學(xué)者在進(jìn)行本體匹配的研究，但是針對(duì)于中文本體匹配的研究并不多見。本文專注于中文本體匹配的研究，提出一種適合中文本體匹配的方法，以滿足中文社交網(wǎng)站層次結(jié)構(gòu)語義分析的需要。
　　本文設(shè)計(jì)并提出了一種中文社交網(wǎng)站本體挖掘方法，該方法為組織中文社交網(wǎng)站的網(wǎng)絡(luò)標(biāo)簽創(chuàng)建了一個(gè)統(tǒng)一的層次化的本體結(jié)構(gòu)。該方法包括兩個(gè)關(guān)鍵步驟:數(shù)據(jù)獲取及存儲(chǔ)和本體匹配。數(shù)據(jù)獲取及存儲(chǔ)是對(duì)社交網(wǎng)站網(wǎng)絡(luò)標(biāo)簽的語義表示，利用網(wǎng)絡(luò)爬蟲

3、技術(shù)對(duì)待分析的社交網(wǎng)站中的標(biāo)簽結(jié)構(gòu)進(jìn)行提取，然后利用語義網(wǎng)相關(guān)技術(shù)將其存儲(chǔ)進(jìn)三元組數(shù)據(jù)庫，以構(gòu)建成本體數(shù)據(jù)。為了實(shí)現(xiàn)本體數(shù)據(jù)的共享和重用，本文進(jìn)一步研究了本體匹配的方法。為滿足本體匹配的需要，本文既采用了元素層匹配技術(shù)，也采用了結(jié)構(gòu)層匹配技術(shù)。由于中文本體與其他本體最大的不同在于所用的語言不同，這是元素層的區(qū)別，故本文主要論述了元素層匹配的原理與方法。對(duì)于詞匯相似度的計(jì)算，本文在分析同義詞詞林結(jié)構(gòu)的基礎(chǔ)上，提出了一種基于同義詞詞林的詞匯