基于海量學(xué)術(shù)資源的知識(shí)元抽取研究.pdf

1、對(duì)于海量的學(xué)術(shù)資源，若是將知識(shí)的控制單元由文獻(xiàn)深化到知識(shí)元，并把文獻(xiàn)分解為一個(gè)個(gè)獨(dú)立的知識(shí)元，這樣會(huì)便于知識(shí)的存儲(chǔ)與查找，以縮短知識(shí)創(chuàng)造的過程。另外，文獻(xiàn)中知識(shí)元的鏈接關(guān)系可以揭示出相關(guān)領(lǐng)域之間的隱性知識(shí)，以挖掘出新的知識(shí)單元，從而實(shí)現(xiàn)知識(shí)的增值轉(zhuǎn)化，加速知識(shí)創(chuàng)新的進(jìn)程。學(xué)術(shù)資源中知識(shí)元的研究，對(duì)于推動(dòng)人類對(duì)知識(shí)利用及新知識(shí)創(chuàng)造的進(jìn)程有著至關(guān)重要的作用。
　　知識(shí)元的抽取是其相關(guān)研究領(lǐng)域的基礎(chǔ)性工作。目前關(guān)于知識(shí)元的理論研究還沒有

2、統(tǒng)一的認(rèn)知，不同知識(shí)元研究領(lǐng)域?qū)χR(shí)元的模型有不同的定義。另外當(dāng)前研究證實(shí)了文獻(xiàn)之間存在著知識(shí)元的隱含關(guān)聯(lián)，但是要從學(xué)術(shù)資源中抽取知識(shí)元還沒有行之有效的方法，而采用人工操作的工作量太大，實(shí)現(xiàn)起來比較困難。雖然有學(xué)者已經(jīng)嘗試著利用計(jì)算機(jī)自動(dòng)抽取知識(shí)元，但是他們對(duì)知識(shí)元的認(rèn)知有些差異，系統(tǒng)的抽取效果也不夠理想，因此不適合用到學(xué)術(shù)資源的知識(shí)元抽取工作當(dāng)中。本文將基于學(xué)術(shù)文獻(xiàn)資源，致力于該領(lǐng)域知識(shí)元的自動(dòng)抽取研究工作。
　　本文首先結(jié)合數(shù)

3、字圖書館學(xué)術(shù)資源的特征，提出能夠體現(xiàn)其特征的知識(shí)元七元組結(jié)構(gòu)模型。為了知識(shí)元抽取的全面性，對(duì)學(xué)術(shù)文獻(xiàn)資源進(jìn)行主題劃分成為不可或缺的工作。針對(duì)主題劃分工作，本文引入歸一化割準(zhǔn)則用于主題劃分，其中權(quán)值矩陣需要準(zhǔn)確地反映文本關(guān)系圖中各個(gè)節(jié)點(diǎn)間的相似程度，它影響著分割準(zhǔn)則的分割效果。文中從語義的角度計(jì)算節(jié)點(diǎn)間的相似度，完成權(quán)值矩陣的構(gòu)建，并在此基礎(chǔ)上提出基于歸一化割的主題劃分算法，并驗(yàn)證了該算法在主題劃分中的有效性。
　　然后，本文基于同

4、一領(lǐng)域內(nèi)的學(xué)術(shù)文獻(xiàn)資源，提出術(shù)語定義句子抽取算法。該算法首先對(duì)學(xué)術(shù)文獻(xiàn)中句子進(jìn)行硬匹配，生成候選術(shù)語定義句庫，然后結(jié)合定義隸屬度算法和句子重要度排序算法，進(jìn)一步提升抽取術(shù)語定義句子的準(zhǔn)確性。實(shí)驗(yàn)表明本文算法的效果表現(xiàn)良好。
　　接著，將主題劃分算法及術(shù)語定義抽取算法融入抽取系統(tǒng)中。首先針對(duì)學(xué)術(shù)文獻(xiàn)資源在規(guī)模上變大的問題，本文借助潛在語義分析模型構(gòu)建文本關(guān)系圖，并用于主題劃分模塊，然后結(jié)合術(shù)語定義抽取模塊，構(gòu)建知識(shí)元抽取系統(tǒng)，最終完