結合WordNet的領域語義標注研究.pdf

1、互聯(lián)網(wǎng)正在以驚人的速度發(fā)展，已經(jīng)成為人類獲取信息和知識的重要渠道，正逐步成為現(xiàn)代人生活的一部分。但是不斷膨脹的網(wǎng)頁數(shù)量同時意味著不斷膨脹的海量數(shù)據(jù)。然而蘊含其中的海量的有價值的信息卻不容易被發(fā)現(xiàn)，因為數(shù)據(jù)必須經(jīng)過合理有效的處理才能從中挖掘出有價值的信息。為了使無結構或者半結構化的數(shù)據(jù)能夠被計算機快速的理解并進行相應的處理，人們便提出了語義網(wǎng)的概念。語義網(wǎng)的目的是使計算機能夠理解Web文檔的語義，從而可以共享和重用不同源的數(shù)據(jù)，使人們能和

2、計算機進行交流與合作。語義網(wǎng)的實現(xiàn)需要為現(xiàn)在互聯(lián)網(wǎng)上存在海量數(shù)據(jù)提供可用的廣泛的語義標注。憑借特定的本體為Web文檔增加語義信息即發(fā)布Web文檔的語義信息就是語義標注。語義標注是語義網(wǎng)的基石。
　　能對領域中的命名實體進行標注的語義標注系統(tǒng)還較少，目前大多數(shù)的語義標注系統(tǒng)只標注一般性的概念。并且這些系統(tǒng)在進行語義標注的時候或多或少的需要人工的干預。偏低的準確率也是自動語義標注需要解決的問題。針對現(xiàn)有語義標注系統(tǒng)的缺陷與不足之處，本

3、文以葡萄酒領域為研究對象提出了一種結合WordNet的領域語義標注方法。首先本文引入WordNet中基于信息容量的相似度計算方法并將其與基于編輯距離的相似度計算方法，從而能從語法和語義兩個方面衡量命名實體與葡萄酒領域本體中的概念類和實例的相似度。實驗結果表明使用這種相似度計算方法的語義標注能獲得較好的準確率和召回率，在其與基于編輯距離的相似度計算方法結合后準確率和召回率能獲得小幅度提升。本文在研究了眾多WordNet相似度算法之后發(fā)現(xiàn)以

4、WordNet為基礎的計算語義相似度的方法大多依賴名詞的樹形層次結構，為了打破這種層次結構的束縛，將更多語義元素考慮進去，本文對WordNet中基于共享信息量的相似度計算方法進行了改進。實驗結果表明使用基于共享信息量相似度計算改進的語義標注方法在準確率方面與基于信息容量相似度計算的語義標注方法相當，但召回率有明顯提升；同時結合基于編輯距離的相似度計算方法后在準確率及召回率兩個方面也有小幅度的提升。語義標注結果采用最新的Owl格式以非嵌入