基于特征項(xiàng)權(quán)重與句子相似度的知識(shí)元智能提取技術(shù)研究.pdf

1、隨著知識(shí)時(shí)代的到來(lái)，人類(lèi)的認(rèn)知粒度已經(jīng)發(fā)生變化。人們對(duì)于知識(shí)的獲取已不再停留于文獻(xiàn)層面，而已經(jīng)深入到知識(shí)元層面，人們需要獲取針對(duì)特定問(wèn)題的解決方案，需要快速定位、獲取文獻(xiàn)中包含的知識(shí)。
　　知識(shí)元層面的知識(shí)組織方式解決了學(xué)科知識(shí)分裂化的局面，實(shí)現(xiàn)了知識(shí)合作和知識(shí)共享。以知識(shí)元為基元通過(guò)知識(shí)元鏈接理論可以產(chǎn)生新的知識(shí)管理形式——知識(shí)網(wǎng)格，進(jìn)而形成完整的知識(shí)服務(wù)系統(tǒng)，加快知識(shí)創(chuàng)造的速度，實(shí)現(xiàn)知識(shí)增值，推動(dòng)由信息服務(wù)向知識(shí)服務(wù)的過(guò)渡，提

2、高知識(shí)服務(wù)的效應(yīng)，為人類(lèi)知識(shí)學(xué)習(xí)和知識(shí)創(chuàng)新提供方法。因此，知識(shí)元提取技術(shù)的研究是有現(xiàn)實(shí)意義的。
　　本文針對(duì)目前知識(shí)元提取存在的問(wèn)題，研究知識(shí)元定義和結(jié)構(gòu)模型，在已有的知識(shí)元結(jié)構(gòu)模型基礎(chǔ)上提出知識(shí)元五元組結(jié)構(gòu)模型，利用改進(jìn)的MF-S-TFIDF算法和句子權(quán)重算法提取文本知識(shí)元，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證，本文主要工作如下:
　　(1)研究知識(shí)元理論以及與知識(shí)元提取相關(guān)的技術(shù)，分析國(guó)內(nèi)外知識(shí)元智能提取技術(shù)的發(fā)展現(xiàn)狀，總結(jié)歸納知識(shí)元定義，

3、在已有的知識(shí)元結(jié)構(gòu)模型基礎(chǔ)上提出知識(shí)元五元組結(jié)構(gòu)模型;
　　(2)研究特征項(xiàng)權(quán)重算法，重點(diǎn)分析TF-IDF算法，彌補(bǔ)傳統(tǒng)TF-IDF算法在詞語(yǔ)語(yǔ)義層面的不足，利用詞語(yǔ)相似度算法實(shí)現(xiàn)詞語(yǔ)分類(lèi)，將詞語(yǔ)語(yǔ)義相似度與TF-IDF算法結(jié)合提出改進(jìn)的S-TFIDF算法，在S-TFIDF算法基礎(chǔ)上融合詞語(yǔ)內(nèi)部多特征因素提出改進(jìn)的MF-S-TFIDF算法，并應(yīng)用到特征項(xiàng)權(quán)重計(jì)算過(guò)程中;
　　(3)改進(jìn)句子相似度算法，重點(diǎn)分析基于詞型匹配和基

4、于編輯距離的句子相似度算法的不足，在基于詞型匹配的句子相似度算法中加入詞語(yǔ)語(yǔ)義信息，在基于編輯距離的句子相似度算法中增加非相鄰塊的交換操作并考慮詞語(yǔ)語(yǔ)義信息以及詞語(yǔ)內(nèi)部因素對(duì)編輯距離的影響，提出改進(jìn)的句子相似度算法，并應(yīng)用到句子相似度計(jì)算過(guò)程中;
　　(4)研究句子權(quán)重算法，融合句子多特征因素進(jìn)行句子權(quán)重計(jì)算;
　　(5)整合知識(shí)元智能提取算法，進(jìn)行知識(shí)元屬性提取，獲取結(jié)構(gòu)化知識(shí)元，進(jìn)行實(shí)驗(yàn)對(duì)比和算法評(píng)估。
　　最后對(duì)