基于WordNet和SUMO本體集成的文檔語義分類模型的設(shè)計與實現(xiàn)研究.pdf

1、隨著計算機技術(shù)的普及和Internet的迅猛發(fā)展，數(shù)字化的文檔信息總量呈指數(shù)級的速度增長。面對網(wǎng)絡(luò)上分散雜亂且具有一定利用價值的海量文檔信息資源，如何有效利用它們，發(fā)揮它們的最大利用價值成為我們目前面臨的難題。為解決這一難題，我們亟需一種快速有效的文檔自動分類方法對它們進行分類整理，以便用戶能夠更快捷地獲取利用它們。然而傳統(tǒng)基于詞向量空間的文檔自動分類方法，雖然方法簡單、易于學(xué)習(xí)，在對小規(guī)模文檔進行分類時具有較高分類速度，但是其忽略詞間

2、重要語義關(guān)系，不能解決同義詞、多義詞、詞間上下位關(guān)系等問題，導(dǎo)致向量空間維度高，分類性能低，在對海量文檔分類時分類速度較慢，增加用戶從海量信息中檢索利用有用信息的難度。對此，國內(nèi)外學(xué)者提出一系列語義驅(qū)動的文檔自動分類方法，其雖然能夠在一定程度上解決傳統(tǒng)文檔自動分類方法中存在的問題，但因其剛剛興起，相關(guān)技術(shù)與方法還不太成熟，目前還基本上停留在理論、模型、框架研究階段，且提出的方法語義推理能力要求高，計算復(fù)雜度高，無法快速有效對網(wǎng)絡(luò)上海量文

3、檔進行語義分類。
　　針對上述問題，本文以本體集成和文檔語義分類為研究對象，以語義分類過程中需要用到的兩個本體庫：WordNet和SUMO為例。首先通過廣泛閱讀國內(nèi)外相關(guān)文獻，梳理出本體集成和文檔語義分類方面的基礎(chǔ)理論。然后詳細分析和探討WordNet和SUMO本體庫及兩者之間的映射機制，基于此，設(shè)計和實現(xiàn)基于WordNet和SUMO本體集成的文檔語義分類模型。該模型首先利用WordNet同義詞集與SUMO本體概念之間的映射關(guān)系，

4、編寫正則表達式，對SUMO和WordNet本體庫進行集成，形成涵蓋WordNet同義詞集與SUMO本體概念一一映射關(guān)系的集成本體庫；然后在此基礎(chǔ)上，設(shè)計和實現(xiàn)了一個映射算法，快速有效地將傳統(tǒng)高維詞向量空間映射成低維的概念或語義向量空間，實現(xiàn)文檔的語義分類。不僅可以有效解決傳統(tǒng)文檔自動分類方法和目前語義分類方法中存在的問題，也同時可以解決本體概念和自然語言詞匯之間抽象與具體、普遍性與特殊性的矛盾造成自然語言詞匯無法準確映射到本體概念的問題