基于中文維基百科的全文語義標(biāo)注系統(tǒng).pdf

1、互聯(lián)網(wǎng)將各種信息提供給人們的同時(shí),海量的信息又使人們很難迅速而準(zhǔn)確地獲取自己最需要的信息。這是因?yàn)橛?jì)算機(jī)不能理解目前網(wǎng)頁內(nèi)容的語義且各種信息缺乏組織。語義網(wǎng)技術(shù)通過語義標(biāo)注的方法將現(xiàn)有的互聯(lián)網(wǎng)資源通過統(tǒng)一的語義將其組織起來,成為可以被機(jī)器所理解的信息。
　　維基百科是一個(gè)基于Wiki技術(shù)由全世界的人們共同協(xié)作編輯完成的多語言百科全書,常被認(rèn)為是一個(gè)含有豐富語義關(guān)系且具有固定模板的語料庫。利用中文維基百科中詞條之間的語義鏈接,結(jié)合T

2、F-IDF和Google距離的方法從鏈接權(quán)重和共現(xiàn)兩個(gè)角度可以提取出較為準(zhǔn)確的語義知識(shí)。文檔中詞語之間的語義聯(lián)系不僅僅是在其相鄰的詞語之間,在不同段落的詞語同樣也會(huì)有關(guān)聯(lián)。因而,忽略掉文檔原有的結(jié)構(gòu),文檔可以看作是每個(gè)詞都相互關(guān)聯(lián)的詞的集合?；跅l件隨機(jī)場(chǎng)模型設(shè)計(jì)出符合全文語義標(biāo)注的點(diǎn)特征函數(shù)和邊特征函數(shù)以及模型推理方法,在中文維基百科中獲取的語義知識(shí)的基礎(chǔ)上,完成中文文檔的全文語義標(biāo)注。
　　實(shí)驗(yàn)表明,結(jié)合TF-IDF和Goog