基于中文維基百科的全文語義標注系統(tǒng).pdf

1、互聯(lián)網(wǎng)將各種信息提供給人們的同時,海量的信息又使人們很難迅速而準確地獲取自己最需要的信息。這是因為計算機不能理解目前網(wǎng)頁內(nèi)容的語義且各種信息缺乏組織。語義網(wǎng)技術通過語義標注的方法將現(xiàn)有的互聯(lián)網(wǎng)資源通過統(tǒng)一的語義將其組織起來,成為可以被機器所理解的信息。
　　維基百科是一個基于Wiki技術由全世界的人們共同協(xié)作編輯完成的多語言百科全書,常被認為是一個含有豐富語義關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,結合T

2、F-IDF和Google距離的方法從鏈接權重和共現(xiàn)兩個角度可以提取出較為準確的語義知識。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有關聯(lián)。因而,忽略掉文檔原有的結構,文檔可以看作是每個詞都相互關聯(lián)的詞的集合?；跅l件隨機場模型設計出符合全文語義標注的點特征函數(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的基礎上,完成中文文檔的全文語義標注。
　　實驗表明,結合TF-IDF和Goog