基于Web資源的領(lǐng)域本體學習工具.pdf

1、目前，本體已經(jīng)被廣泛應用于語義網(wǎng)、問答系統(tǒng)、信息檢索、信息抽取和數(shù)字圖書館等領(lǐng)域。本體，尤其是領(lǐng)域本體的數(shù)量嚴重不足制約著相關(guān)領(lǐng)域的發(fā)展。然而完全手工構(gòu)建本體，不僅費時費力，而且更新緩慢。于是迫切需要自動或半自動構(gòu)建本體的方法。 鑒于已有的本體學習系統(tǒng)往往采用半自動的方法，需要人類專家對學習得到的概念和關(guān)系進行確認，而且處理的語言大多是西文。本文提出了一種可以處理中英文的無監(jiān)督的本體學習方法，從研究員頁面和數(shù)字圖書館的文檔中自動

2、獲取領(lǐng)域的概念和概念之間關(guān)系，主要包括同義關(guān)系和上下位關(guān)系。并實現(xiàn)了一個可以處理中英文的領(lǐng)域本體學習工具DOLT( Domain Ontology Learning Tool)，該工具主要包括語料庫構(gòu)建，術(shù)語學習，關(guān)系學習和本體形式化四個部分。首先通過網(wǎng)絡爬蟲技術(shù)從數(shù)字化圖書館和Web頁面中檢索到相關(guān)領(lǐng)域的文檔；然后通過信息抽取和統(tǒng)計分析技術(shù)發(fā)現(xiàn)術(shù)語：接著利用概念語義距離和共現(xiàn)分析計算概念間的關(guān)聯(lián)度，再使用關(guān)聯(lián)規(guī)則和句法模式精煉相關(guān)關(guān)系

3、，過濾掉非分類關(guān)系，然后利用啟發(fā)式規(guī)則發(fā)現(xiàn)同義關(guān)系，接著通過概念聚類算法獲取上下位關(guān)系，形成一個概念的分類體系。最終的領(lǐng)域本體采用標準的本體語言描述的形式表示。 DOLT工具無須對語料庫進行標注，自動構(gòu)建本體，省時省力，更新及時；可以處理中英文，具有較好的實用性和可擴展性。 本文最后提出一種改進的本體評價方法，然后分別采用先驗和后驗評價對學習的效果進行評估。實驗結(jié)果表明，DOLT的本體學習方法在查準率和f1值方面有較明