面向文本的領(lǐng)域概念篩選算法研究.pdf

1、在語(yǔ)義技術(shù)及其應(yīng)用中，本體學(xué)習(xí)是一個(gè)研究熱點(diǎn)，受到國(guó)內(nèi)外眾多學(xué)者的廣泛關(guān)注。概念獲取作為本體學(xué)習(xí)的重要一環(huán)，其篩選的質(zhì)量決定了本體建構(gòu)的效果。以文本作為載體的數(shù)據(jù)源已成為當(dāng)前本體學(xué)習(xí)的主流。因此，本文就限制在文本的領(lǐng)域概念篩選。
　　在本體概念的提取中，需首先獲取候選概念，繼而從候選概念集合中篩選掉非領(lǐng)域概念，形成領(lǐng)域概念集合。現(xiàn)有的領(lǐng)域概念篩選算法容易遺漏某些重要的具有同義關(guān)系或整體部分關(guān)系的低頻候選概念，還會(huì)將大量的高頻的與該

2、領(lǐng)域不相關(guān)的冗余概念錯(cuò)選為領(lǐng)域概念，影響了概念提取的準(zhǔn)確率和召回率。
　　鑒于現(xiàn)有領(lǐng)域概念篩選方法中領(lǐng)域概念篩選存在不準(zhǔn)確的缺點(diǎn)，本文提出了一種改進(jìn)的本體學(xué)習(xí)中的領(lǐng)域概念篩選算法。該算法利用候選概念上下文的語(yǔ)境信息計(jì)算候選概念之間的相似度，根據(jù)計(jì)算結(jié)果的值給出了判斷同義詞和整體部分關(guān)系詞的標(biāo)準(zhǔn)，識(shí)別出低頻的具有同義關(guān)系和整體部分關(guān)系的詞集，并篩選掉部分冗余概念，同時(shí)給出了改進(jìn)公式和領(lǐng)域概念篩選算法，使其能更好地篩選這些低頻且很重要