基于文本挖掘的動態(tài)本體構(gòu)建方法研究.pdf

1、本體(Ontology)是資源共享的基礎(chǔ)，它提供了對領(lǐng)域知識的共同理解。本體的應(yīng)用范圍非常廣泛，但本體的構(gòu)建卻是一項非常費時、費力的工作。目前，本體的建立基本還是采用手工靜態(tài)構(gòu)建的方式，而本體的構(gòu)建應(yīng)具備不斷更新的動態(tài)特性。現(xiàn)實生活中信息的主要載體是非結(jié)構(gòu)化純文本數(shù)據(jù)，如何利用文本挖掘、信息抽取、機器學(xué)習(xí)等知識獲取技術(shù)動態(tài)構(gòu)建本體是本體自動或半自動構(gòu)建所面臨的挑戰(zhàn)。 敘詞表(thesaurus)作為上世紀(jì)發(fā)展起來的文獻(xiàn)標(biāo)引工具，

2、概括了領(lǐng)域內(nèi)絕大部分相關(guān)的術(shù)語和基本關(guān)系，并具備大量豐富的主題標(biāo)引文獻(xiàn)，是構(gòu)建領(lǐng)域本體的重要來源。本文比較分析了敘詞表與本體的結(jié)合方法，并在此基礎(chǔ)上提出了基于文本挖掘的動態(tài)本體構(gòu)建(Oynm~Ontolo~Construction based on Text Mining，DOC<'TM>)模型。該模型結(jié)合敘詞表提供的已有知識，將敘詞表的描述形式轉(zhuǎn)換為本體的概念模型，同時利用敘詞標(biāo)引的主題文獻(xiàn)進(jìn)行文本挖掘構(gòu)建動態(tài)領(lǐng)域本體：從主題文獻(xiàn)庫中

3、識別領(lǐng)域概念，進(jìn)而挖掘并細(xì)化概念間的屬性和關(guān)系。 針對文本挖掘中難以準(zhǔn)確獲取概念間關(guān)系的狀況，為提高關(guān)系抽取的準(zhǔn)確度，本文提出了領(lǐng)域種子關(guān)系(Seed Relation in Domain，SRD)的概念和思想，結(jié)合自然語言處理方法，通過確定種子關(guān)系進(jìn)行關(guān)系挖掘。本文詳細(xì)論述了SRD的抽取，基于SRD生成關(guān)系陳述集，以及通過關(guān)聯(lián)規(guī)則挖掘進(jìn)一步抽取屬性規(guī)則的方法。 作為DOC<'TM>動態(tài)本體構(gòu)建模型的構(gòu)建工具和檢驗平臺，

4、本文設(shè)計并開發(fā)了基于DOC¨Ⅵ的本體構(gòu)建原型實驗系統(tǒng)。該實驗系統(tǒng)結(jié)合敘詞表提供的現(xiàn)有資源，以領(lǐng)域敘詞表和該詞表標(biāo)引的非結(jié)構(gòu)化純文本語料為輸入，通過靜態(tài)模型轉(zhuǎn)換、動態(tài)概念挖掘、基于SRD的關(guān)系抽取以及關(guān)聯(lián)規(guī)則挖掘，動態(tài)構(gòu)建領(lǐng)域本體。 本文選用多語種農(nóng)業(yè)敘詞表 AGROVOC和中國農(nóng)科院科技文獻(xiàn)作為實驗系統(tǒng)的輸入數(shù)據(jù)，結(jié)果表明：系統(tǒng)實現(xiàn)了DOCTM動態(tài)本體構(gòu)建的基本功能；領(lǐng)域敘詞表為動態(tài)本體構(gòu)建提供了質(zhì)量保障；SRD是一種有效獲取概