基于語(yǔ)義網(wǎng)的初中數(shù)學(xué)的自動(dòng)語(yǔ)義標(biāo)注方法研究與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)作為人們?nèi)粘Ｉ钪胁豢苫蛉钡馁Y源,它的發(fā)展速度快得超乎人們的想象。呈指數(shù)級(jí)增長(zhǎng)的網(wǎng)頁(yè)同時(shí)意味著不斷膨脹的海量數(shù)據(jù),而蘊(yùn)含其中有價(jià)值的信息卻不容易被機(jī)器發(fā)現(xiàn),人們?cè)谑褂煤凸芾砘ヂ?lián)網(wǎng)的過(guò)程中顯得有些力不從心。
　　為了使這些文檔能夠被計(jì)算機(jī)挖掘出語(yǔ)義信息,為web應(yīng)用提供更為準(zhǔn)確的服務(wù),這些現(xiàn)實(shí)需求和語(yǔ)義網(wǎng)不謀而合。語(yǔ)義標(biāo)注是語(yǔ)義網(wǎng)發(fā)展的重要技術(shù)支撐,該技術(shù)為現(xiàn)存互聯(lián)網(wǎng)中海量文檔貼上語(yǔ)義標(biāo)簽。憑借特定的領(lǐng)域本體為網(wǎng)頁(yè)文檔增加語(yǔ)義

2、信息,即發(fā)布網(wǎng)頁(yè)文檔的語(yǔ)義信息就是語(yǔ)義標(biāo)注。本文主要研究語(yǔ)義標(biāo)注,主要內(nèi)容內(nèi)容如下:
　　首先,本文是為中文網(wǎng)頁(yè)的初中數(shù)學(xué)領(lǐng)域文檔做標(biāo)注,介紹了語(yǔ)義標(biāo)注所需的技術(shù)的發(fā)展現(xiàn)狀,包括語(yǔ)義網(wǎng)技術(shù)、中文分詞技術(shù)以及語(yǔ)義標(biāo)注等相關(guān)理論及技術(shù)等。
　　其次,提出了一種基于本體距離的分類(lèi)方法,通過(guò)計(jì)算文檔的語(yǔ)義聚合度來(lái)選標(biāo)注文檔。將網(wǎng)頁(yè)轉(zhuǎn)化為結(jié)構(gòu)化文檔之后,通過(guò)中文分詞,將結(jié)構(gòu)化文檔轉(zhuǎn)化為詞匯文檔,利用初中數(shù)學(xué)知識(shí)本體網(wǎng)絡(luò)圖計(jì)算詞匯文檔中

3、專(zhuān)有詞匯之間(此處和后面提及的專(zhuān)有詞匯均指初中數(shù)學(xué)專(zhuān)業(yè)詞匯)的本體距離,當(dāng)詞匯之間的本體距離在某個(gè)閾值之內(nèi)時(shí)將這兩個(gè)詞匯視為同一類(lèi),將這些專(zhuān)有詞匯歸類(lèi)之后,計(jì)算前 k類(lèi)詞匯集合占整個(gè)詞匯文檔的比重,即語(yǔ)義聚合度,聚合度較高的認(rèn)為是初中數(shù)學(xué)主題相關(guān)的網(wǎng)頁(yè),如果聚合度低則丟棄文檔。
　　再次,提出了一種基于本體前驅(qū)累計(jì)統(tǒng)計(jì)算法,抽取文檔的深層語(yǔ)義,將提取出來(lái)的語(yǔ)義信息作為標(biāo)注添加到結(jié)構(gòu)化文檔中。在篩選出待標(biāo)注文檔之后,對(duì)詞匯文檔中的專(zhuān)