面向語義網的本體學習方法研究.pdf

1、Internet的飛速發(fā)展為人們提供了極其豐富的信息資源，然而海量信息的管理和檢索卻變得越來越困難。語義網技術的出現(xiàn)，正是為了有效解決這些問題。語義網技術通過擴展現(xiàn)有互聯(lián)網，在信息中加入語義內容，使計算機可以自動與人協(xié)同工作。作為語義網中知識語義元數(shù)據(jù)的載體，本體成為了語義網的核心元素。本體是對應用領域概念化的形式說明，它為某個領域知識提供了一個共享通用的解釋，使得人和應用系統(tǒng)之間都能夠有效地進行語義上的理解和通訊。本體建造是一個非常復

2、雜的過程，它需要眾多領域專家的參與。雖然目前本體工程(OntologyEngineering)工具已經較為成熟，但是這些工具提供的僅僅是本體編輯功能，支持的仍然是手工構建本體的方式。由于手工的方法費時費力，使得本體的構建成為一項繁瑣而艱巨的任務。本體的構建已經成為知識獲取的瓶頸，嚴重制約了語義網的發(fā)展。因此，如何利用知識獲取技術來降低本體構建的開銷是一個很有意義的研究方向，本體學習技術應運而生。本體學習的目的就是利用機器學習和統(tǒng)計等技術

3、自動或半自動地從已有的數(shù)據(jù)資源中獲取期望的本體。 本文針對本體學習涉及的關鍵問題，對概念、實例和關系的抽取進行了研究與分析，主要工作和特色如下：1)針對本體概念、實例抽取問題，在框架語義理論的研究基礎上，通過語義分析獲得句法語義關聯(lián)結構，利用該結構提取出不同語法上下文環(huán)境中具有語義關聯(lián)特性的詞條；通過詞條所處框架語義環(huán)境及語義角色關系的分析，確定未知概念與實例的正確本體歸屬。作為半自動方法，通過實驗證實方法對于概念、實例抽取，具

4、備可接受的結果； 2)針對本體關系抽取問題，通過框架語義分析方法，在語義層次分析句子成分與相應框架語義角色之間的聯(lián)系，采用框架及框架語義角色結合的方式對不同句子成分對應本體概念之間的關系進行標注。此方法不僅可以發(fā)現(xiàn)不同概念之間的可能關系，同時又為此關系的標注提供可能建議。通過試驗，驗證了方法的理論有效性； 3)在相關本體學習方法理論基礎上，設計并初步實現(xiàn)了FraSEOL半自動本體學習原型系統(tǒng)，采用傳統(tǒng)方法與本文所述基于語