領(lǐng)域本體的構(gòu)建及其在Web信息抽取中的應(yīng)用研究.pdf

1、信息抽取是自然語言處理技術(shù)的一個(gè)重要發(fā)展方向,信息抽取的目的是讓有用的信息以統(tǒng)一的形式集中在一起,從而利于人們對(duì)信息的獲取。作為一種自然語言處理系統(tǒng),信息抽取系統(tǒng)需要強(qiáng)大知識(shí)庫(kù)的支撐。由于在不同的信息抽取系統(tǒng)中知識(shí)庫(kù)的結(jié)構(gòu)和內(nèi)容的不同,使得信息抽取技術(shù)仍面臨著知識(shí)瓶頸問題。本體作為領(lǐng)域知識(shí)的共同理解,可為信息源提供必要的語義標(biāo)注信息,將本體引入信息抽取中,有助于信息抽取系統(tǒng)對(duì)領(lǐng)域內(nèi)的概念和概念之間的聯(lián)系的統(tǒng)一認(rèn)識(shí),從而為用戶提供更有價(jià)值

2、的信息。本文以領(lǐng)域本體為研究對(duì)象,就領(lǐng)域本體的構(gòu)建及其在信息抽取系統(tǒng)中的應(yīng)用開展了以下研究工作:
　　1.對(duì)領(lǐng)域本體在信息抽取系統(tǒng)中的應(yīng)用現(xiàn)狀和本體構(gòu)建方法的研究現(xiàn)狀進(jìn)行分析和研究,結(jié)合本體的語義優(yōu)勢(shì),確立了在信息抽取中構(gòu)建并應(yīng)用領(lǐng)域本體的目標(biāo)。
　　2.給出了一種領(lǐng)域本體構(gòu)建方法,包括領(lǐng)域的確定、概念及其關(guān)系的抽取和本體的編輯與存儲(chǔ)。在本體半自動(dòng)構(gòu)建的概念抽取過程中,通過對(duì)領(lǐng)域文本挖掘得到領(lǐng)域字詞,然后使用改進(jìn)的TF-ID

3、F公式從字詞集中抽取具有領(lǐng)域性的特征詞,經(jīng)人工修正后得到本體概念;概念間關(guān)系的抽取則是采用基于WordNet和基于模式學(xué)習(xí)相結(jié)合的獲取方法;最后使用Protégé軟件編輯得到領(lǐng)域本體。
　　3.以手機(jī)領(lǐng)域?yàn)槔?在信息抽取系統(tǒng)中構(gòu)建一個(gè)小規(guī)模的領(lǐng)域本體,接著將本體與信息抽取兩項(xiàng)技術(shù)結(jié)合,提出了基于OWL本體的文本信息抽取算法。在算法中,以本體作為領(lǐng)域的知識(shí)框架來參考,結(jié)果抽取出該領(lǐng)域框架的結(jié)構(gòu)化的實(shí)體,即通過本體的組成元素:類,屬性