面向本體學習的動態(tài)語料庫構建方法.pdf

1、隨著信息技術的高速發(fā)展，信息資源的規(guī)模愈發(fā)龐人，導致管理難度大大增加，因此需要采用有效的知識管理方法來處理海量信息。由于本體提供了對領域知識的共同理解，確定了該領域內共同認可的術語，并定義了術語之間的關系，所以,可以利用這些特點把本體運用到知識管理中。 采用本體技術進行知識管理存在著知識獲取瓶頸的問題，因此需要采用自動或半自動的方法(本體學習)來構建本體。本文構建的語料庫以Web頁面為主且和時間相關，所以稱為動態(tài)語料庫，可用于動

2、態(tài)本體學習。本文主要取得了以下一些研究成累。 1)設計了候選語料的獲取與增量式更新方法。該方法應用于本文實現的小型爬蟲系統(tǒng)。增量式網頁更新方法解決了語料庫初次構建而后續(xù)更新效率低的問題，該爬蟲系統(tǒng)能以較高的效率獲取新增網頁。 2)提出了一種領域主題向量的生成方法，為語料庫特征向量的生成提供支持。該方法基于少量和領域高度相關的網頁，利用詞的代表度從網頁集合中選擇一部分詞構建領域特征向量。相比于已有的特征選擇方法，本文的方法

3、在基于網絡的開放環(huán)境、無法提供足夠數量的分類學習數據時仍可取得較好的結果，為在無分類信息的訓練集合中進行特征選擇提供了一條新的途徑。 3)提山了ReleRank算法，它綜合利用了網頁標題、止文內容、結構信息、超鏈接關系和錨文本等網頁基本信息，來計算每個網頁與領域相關的概率，以這個概率值作為該網頁與領域相關程度的刻劃。 4)構建了一個小型的人工智能領域的動態(tài)語料庫。通過運行本文設計的系統(tǒng)，并利用本文提出的Web頁面分類方法