基于種子概念及改進(jìn)的凝聚層次聚類算法的水環(huán)境本體構(gòu)建研究.pdf

1、在我國水利信息化的過程中，存在著水利信息化缺乏統(tǒng)一標(biāo)準(zhǔn)，信息表達(dá)各異，信息共享不充分，信息系統(tǒng)之間的交流融合性差等問題。這些問題嚴(yán)重制約阻礙了我國水利信息化建設(shè)。然而，水環(huán)境本體是一個包含水環(huán)境術(shù)語、定義以及術(shù)語間規(guī)范關(guān)系說明的體系，是水環(huán)境學(xué)科領(lǐng)域內(nèi)概念、概念與概念間的相互關(guān)系的形式化表達(dá)，能夠提高水利信息化進(jìn)程中數(shù)據(jù)發(fā)現(xiàn)、數(shù)據(jù)同化、資源共享和數(shù)據(jù)應(yīng)用的效率。針對水環(huán)境本體構(gòu)建問題，本文運用了語言學(xué)、統(tǒng)計學(xué)、向量空間模型及聚類算法等原

2、理，使用了一種基于種子概念及改進(jìn)的凝聚層次聚類算法的水環(huán)境本體構(gòu)建方法。
　　提取全面完整的領(lǐng)域概念是水環(huán)境本體構(gòu)建的基礎(chǔ)。針對如何從大規(guī)模語料集中提取水環(huán)境領(lǐng)域概念的問題，在數(shù)據(jù)源預(yù)處理階段引入了水環(huán)境領(lǐng)域詞典，提高了文本分詞精度。同時，考慮到概念提取的完整性及正確率，提出了將種子概念法及 TF·IDF法相結(jié)合的概念提取方法。先利用種子概念法從候選術(shù)語集中提取概念，之后利用TF·IDF法從剩余的候選術(shù)語集中提取概念。最后，實驗一

3、共從300篇水環(huán)境領(lǐng)域文本集中提取了581個概念，包含447個正確的水環(huán)境概念，證明了種子概念法比TF·IDF法具有更高的正確率，但是TF·IDF法作為種子概念法的補(bǔ)充能夠幫助提取更多的水環(huán)境領(lǐng)域概念。
　　提取準(zhǔn)確可靠的概念關(guān)系是水環(huán)境本體構(gòu)建的關(guān)鍵。為方便計算概念相似度，利用概念的TF·IDF值建立了表達(dá)概念與文本之間關(guān)系的向量空間模型，并利用改進(jìn)的凝聚層次聚類算法提取概念間的上下位關(guān)系。該算法先利用 K-means聚類算法將