面向本體學(xué)習(xí)的動(dòng)態(tài)語(yǔ)料庫(kù)構(gòu)建方法.pdf

1、隨著信息技術(shù)的高速發(fā)展，信息資源的規(guī)模愈發(fā)龐人，導(dǎo)致管理難度大大增加，因此需要采用有效的知識(shí)管理方法來(lái)處理海量信息。由于本體提供了對(duì)領(lǐng)域知識(shí)的共同理解，確定了該領(lǐng)域內(nèi)共同認(rèn)可的術(shù)語(yǔ)，并定義了術(shù)語(yǔ)之間的關(guān)系，所以,可以利用這些特點(diǎn)把本體運(yùn)用到知識(shí)管理中。 采用本體技術(shù)進(jìn)行知識(shí)管理存在著知識(shí)獲取瓶頸的問(wèn)題，因此需要采用自動(dòng)或半自動(dòng)的方法(本體學(xué)習(xí))來(lái)構(gòu)建本體。本文構(gòu)建的語(yǔ)料庫(kù)以Web頁(yè)面為主且和時(shí)間相關(guān)，所以稱(chēng)為動(dòng)態(tài)語(yǔ)料庫(kù)，可用于動(dòng)

2、態(tài)本體學(xué)習(xí)。本文主要取得了以下一些研究成累。 1)設(shè)計(jì)了候選語(yǔ)料的獲取與增量式更新方法。該方法應(yīng)用于本文實(shí)現(xiàn)的小型爬蟲(chóng)系統(tǒng)。增量式網(wǎng)頁(yè)更新方法解決了語(yǔ)料庫(kù)初次構(gòu)建而后續(xù)更新效率低的問(wèn)題，該爬蟲(chóng)系統(tǒng)能以較高的效率獲取新增網(wǎng)頁(yè)。 2)提出了一種領(lǐng)域主題向量的生成方法，為語(yǔ)料庫(kù)特征向量的生成提供支持。該方法基于少量和領(lǐng)域高度相關(guān)的網(wǎng)頁(yè)，利用詞的代表度從網(wǎng)頁(yè)集合中選擇一部分詞構(gòu)建領(lǐng)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(wǎng)絡(luò)的開(kāi)放環(huán)境、無(wú)法提供足夠數(shù)量的分類(lèi)學(xué)習(xí)數(shù)據(jù)時(shí)仍可取得較好的結(jié)果，為在無(wú)分類(lèi)信息的訓(xùn)練集合中進(jìn)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(wǎng)頁(yè)標(biāo)題、止文內(nèi)容、結(jié)構(gòu)信息、超鏈接關(guān)系和錨文本等網(wǎng)頁(yè)基本信息，來(lái)計(jì)算每個(gè)網(wǎng)頁(yè)與領(lǐng)域相關(guān)的概率，以這個(gè)概率值作為該網(wǎng)頁(yè)與領(lǐng)域相關(guān)程度的刻劃。 4)構(gòu)建了一個(gè)小型的人工智能領(lǐng)域的動(dòng)態(tài)語(yǔ)料庫(kù)。通過(guò)運(yùn)行本文設(shè)計(jì)的系統(tǒng)，并利用本文提出的Web頁(yè)面分類(lèi)方法