維基百科下協(xié)同式語(yǔ)義摘要獲取的研究.pdf

1、運(yùn)用語(yǔ)義萬(wàn)維網(wǎng)（Semantic Web）需要對(duì)傳統(tǒng)的網(wǎng)絡(luò)資源進(jìn)行一些具有一定語(yǔ)義的標(biāo)注。目前建立用于標(biāo)注的本體（Ontology）是比較困難的。為了降低技術(shù)難度可以用一些具有結(jié)構(gòu)化信息的資源作為數(shù)據(jù)來(lái)源。 維基百科（Wikipedia）就具有一些優(yōu)良的標(biāo)注性質(zhì)，它是一個(gè)對(duì)各個(gè)領(lǐng)域都有描述的協(xié)同編輯的大型知識(shí)庫(kù)。例如：文章的內(nèi)容是對(duì)某個(gè)特定的實(shí)體進(jìn)行描述；文章的分類(lèi)已經(jīng)具有一定分類(lèi)學(xué)意義；文章之間通過(guò)超鏈接具有很強(qiáng)的聯(lián)系；文章內(nèi)

2、容組織具有結(jié)構(gòu)性，如，表格信息和段落標(biāo)題等等。如果我們把這些標(biāo)記看作是具有一定語(yǔ)義的對(duì)于文章的摘要，那么我們就可以從這些摘要中得到一些構(gòu)成本體（ontology）的元素，例如類(lèi)（class），個(gè)體（instance），關(guān)系（relation）等等。 但是語(yǔ)義摘要的獲取完全靠人工的方式編輯有很多潛在的問(wèn)題。 例如：標(biāo)注存在不確定性，標(biāo)記的缺失，標(biāo)記的噪聲，標(biāo)記過(guò)于多樣等等。本文利用已有的標(biāo)注信息，通過(guò)他們之間的聯(lián)系，自增強(qiáng)地

3、獲得一個(gè)明確的聯(lián)系，例如：某個(gè)分類(lèi)具有特定的表格，段落標(biāo)題。具有相同表格和段落的文章屬于同一類(lèi)。這就得到了這些浮出的語(yǔ)義摘要。例如當(dāng)用戶編輯了一個(gè)分類(lèi)下的文章，我們就可以提示他編輯相應(yīng)的表格和段落。當(dāng)用戶編輯一些表格和段落信息后，我們又可以提示他用相應(yīng)的類(lèi)對(duì)文章進(jìn)行標(biāo)注。這樣我們就可以在用戶編輯新文章或者對(duì)現(xiàn)有文章進(jìn)行改進(jìn)時(shí)提供幫助，例如，對(duì)缺失的信息進(jìn)行補(bǔ)全，對(duì)噪聲進(jìn)行過(guò)濾，對(duì)標(biāo)注多樣性的文章規(guī)范。作為將來(lái)的應(yīng)用，我們可以利用已經(jīng)生成