結(jié)合WordNet的領(lǐng)域語義標(biāo)注研究.pdf

1、互聯(lián)網(wǎng)正在以驚人的速度發(fā)展，已經(jīng)成為人類獲取信息和知識(shí)的重要渠道，正逐步成為現(xiàn)代人生活的一部分。但是不斷膨脹的網(wǎng)頁數(shù)量同時(shí)意味著不斷膨脹的海量數(shù)據(jù)。然而蘊(yùn)含其中的海量的有價(jià)值的信息卻不容易被發(fā)現(xiàn)，因?yàn)閿?shù)據(jù)必須經(jīng)過合理有效的處理才能從中挖掘出有價(jià)值的信息。為了使無結(jié)構(gòu)或者半結(jié)構(gòu)化的數(shù)據(jù)能夠被計(jì)算機(jī)快速的理解并進(jìn)行相應(yīng)的處理，人們便提出了語義網(wǎng)的概念。語義網(wǎng)的目的是使計(jì)算機(jī)能夠理解Web文檔的語義，從而可以共享和重用不同源的數(shù)據(jù)，使人們能和

2、計(jì)算機(jī)進(jìn)行交流與合作。語義網(wǎng)的實(shí)現(xiàn)需要為現(xiàn)在互聯(lián)網(wǎng)上存在海量數(shù)據(jù)提供可用的廣泛的語義標(biāo)注。憑借特定的本體為Web文檔增加語義信息即發(fā)布Web文檔的語義信息就是語義標(biāo)注。語義標(biāo)注是語義網(wǎng)的基石。
　　能對(duì)領(lǐng)域中的命名實(shí)體進(jìn)行標(biāo)注的語義標(biāo)注系統(tǒng)還較少，目前大多數(shù)的語義標(biāo)注系統(tǒng)只標(biāo)注一般性的概念。并且這些系統(tǒng)在進(jìn)行語義標(biāo)注的時(shí)候或多或少的需要人工的干預(yù)。偏低的準(zhǔn)確率也是自動(dòng)語義標(biāo)注需要解決的問題。針對(duì)現(xiàn)有語義標(biāo)注系統(tǒng)的缺陷與不足之處，本

3、文以葡萄酒領(lǐng)域?yàn)檠芯繉?duì)象提出了一種結(jié)合WordNet的領(lǐng)域語義標(biāo)注方法。首先本文引入WordNet中基于信息容量的相似度計(jì)算方法并將其與基于編輯距離的相似度計(jì)算方法，從而能從語法和語義兩個(gè)方面衡量命名實(shí)體與葡萄酒領(lǐng)域本體中的概念類和實(shí)例的相似度。實(shí)驗(yàn)結(jié)果表明使用這種相似度計(jì)算方法的語義標(biāo)注能獲得較好的準(zhǔn)確率和召回率，在其與基于編輯距離的相似度計(jì)算方法結(jié)合后準(zhǔn)確率和召回率能獲得小幅度提升。本文在研究了眾多WordNet相似度算法之后發(fā)現(xiàn)以

4、WordNet為基礎(chǔ)的計(jì)算語義相似度的方法大多依賴名詞的樹形層次結(jié)構(gòu)，為了打破這種層次結(jié)構(gòu)的束縛，將更多語義元素考慮進(jìn)去，本文對(duì)WordNet中基于共享信息量的相似度計(jì)算方法進(jìn)行了改進(jìn)。實(shí)驗(yàn)結(jié)果表明使用基于共享信息量相似度計(jì)算改進(jìn)的語義標(biāo)注方法在準(zhǔn)確率方面與基于信息容量相似度計(jì)算的語義標(biāo)注方法相當(dāng)，但召回率有明顯提升；同時(shí)結(jié)合基于編輯距離的相似度計(jì)算方法后在準(zhǔn)確率及召回率兩個(gè)方面也有小幅度的提升。語義標(biāo)注結(jié)果采用最新的Owl格式以非嵌入