領域本體概念及概念間關系學習算法研究.pdf

1、本體,按照Gruber的說法,是概念模型的明確的規(guī)范說明。它作為人們對領域知識的共同認識和理解,可以用來模擬人類所擁有的知識網絡。由于本體對于知識模擬的先進性,其可以用在各種語義處理及語義理解的場合,如信息檢索、語義網、知識工程等。目前,如何構建一個實用性的本體,已經成為了研究熱點。
　　手工構建本體費時費力,不利于本體的大規(guī)模應用以及本體知識的動態(tài)更新。于是,如何提高本體構建的自動性,就成為本體構建研究的重中之重。本體學習利用機

2、器學習、數據挖掘、自然語言處理等各領域方法技術,旨在解決本體自動或半自動構建問題,本文所有研究內容就是圍繞本體學習的方法技術展開的。文中提出了一系列本體概念及關系學習方法,構成了一個完整的本體學習流程。在領域概念學習上,首先使用雙層tfidf方法學習領域簡單概念;然后使用規(guī)則匹配和串頻統(tǒng)計學習領域復合概念;最后使用上下文依賴對學習到的領域概念作最后篩選,提高學習的準確率。在關系學習方面,首先將學習到的領域概念使用廣義后綴樹方法來初步構造

3、概念之間的層次結構,接著通過維基百科鏈接圖和層次聚類結合使用,輔助完善該層次結構;然后通過維基百科分類名和信息盒來學習領域概念間任意關系,并通過模板匹配方法對這些關系類型進行擴充。
　　通過使用這一系列方法技術,本文完成了一個本體學習原型系統(tǒng)。該系統(tǒng)中各模塊既能獨立用于單個本體學習任務,又能結合使用來完成整個本體學習任務。實驗表明,該系統(tǒng)不僅充分利用了維基百科的結構性和知識性,又能保證所學本體的規(guī)模和時效性,能有效進行中文本體學習