運用神經(jīng)網(wǎng)絡聚類方法推進構(gòu)建本體的自動化.pdf

1、本體理論在信息科學領域受到廣泛關注和普遍認同，構(gòu)建完備且準確的領域本體已經(jīng)越來越重要。目前國內(nèi)外許多研究采用領域?qū)＜覅⑴c的方法來構(gòu)建本體，但由人工處理大量的數(shù)據(jù)是非常困難的。為了提高處理效率，本論文運用SOM神經(jīng)網(wǎng)絡對本體構(gòu)建數(shù)據(jù)作處理，自動發(fā)現(xiàn)構(gòu)建本體所需的術語、屬性及屬性間的關系等。 本文首先進行了SOM神經(jīng)網(wǎng)絡數(shù)據(jù)聚類實驗，鑒于它在數(shù)據(jù)聚類上的優(yōu)勢，決定采用基于語料庫的SOM神經(jīng)網(wǎng)絡對本體構(gòu)建數(shù)據(jù)進行無監(jiān)督的自動聚類。其次

2、，在聚類實驗中發(fā)現(xiàn)SOM神經(jīng)網(wǎng)絡對類間語義距離小的數(shù)據(jù)邊界劃分模糊，提出了SOM神經(jīng)網(wǎng)絡與基于劃分的聚類算法相結(jié)合的算法改進，作為對這種缺陷的一種彌補方法。 在聚類運算中，構(gòu)造SOM神經(jīng)網(wǎng)絡輸入向量是整個運算的關鍵，文中詳細的闡述了輸入向量構(gòu)造所需的技術：上下文窗口的構(gòu)造、特征詞的信息增益值計算和反比文檔頻數(shù)權重評價法(TFIDF法)。本文使用了兩種構(gòu)造SOM神經(jīng)網(wǎng)絡輸入向量的方法：(1)針對收集到的數(shù)據(jù)是無序詞匯的情況，基于成

3、熟語料庫使用上下文窗口對聚類特征詞進行頻率統(tǒng)計，先計算并排序特征詞的信息增益值，然后選用TFIDF法構(gòu)造SOM神經(jīng)網(wǎng)絡的輸入向量；(2)針對本體構(gòu)建中收集到的數(shù)據(jù)是從網(wǎng)絡文本中得到的，聚類特征詞的頻率統(tǒng)計并不基于語料庫而直接使用上下文窗口在網(wǎng)絡文本中進行，然后，應用TFIDF法構(gòu)造SOM神經(jīng)網(wǎng)絡的輸入向量。 課題的實驗部分，應用SOM神經(jīng)網(wǎng)絡對構(gòu)建交通領域本體的數(shù)據(jù)進行聚類運算。首先，通過上述的第一種向量構(gòu)造方法對數(shù)據(jù)作預處理。