中文信息的語(yǔ)義數(shù)據(jù)挖掘技術(shù)研究.pdf

1、傳統(tǒng)的信息由于缺乏統(tǒng)一的語(yǔ)義描述，充斥著大量繁雜重復(fù)信息，面對(duì)這些海量信息，如何快速、有效地從“信息海洋”中獲取人們所需的信息成為難題。讓信息具有語(yǔ)義，使計(jì)算機(jī)能夠理解信息含義，進(jìn)而對(duì)信息進(jìn)行加工處理，能從根本上解決這一難題，更好地實(shí)現(xiàn)信息共享。 由于中文信息的特殊性和復(fù)雜性，使得中文信息處理難度相對(duì)較大，而信息語(yǔ)義化的要求則對(duì)中文信息處理提出了更高要求。用戶(hù)不再僅僅滿(mǎn)足獲取直接信息，而需要獲得更多的隱含語(yǔ)義信息，數(shù)據(jù)挖掘正是為

2、了滿(mǎn)足這一需求誕生的。但傳統(tǒng)的數(shù)據(jù)挖掘需要領(lǐng)域?qū)＜覅f(xié)助，并依靠數(shù)據(jù)驅(qū)動(dòng)，逐漸不能滿(mǎn)足用戶(hù)的需求。而本體作為客觀知識(shí)的語(yǔ)義形式化描述，在數(shù)據(jù)挖掘中引入基于本體的語(yǔ)義分析技術(shù)，有助于解決信息處理的語(yǔ)義化問(wèn)題，為實(shí)現(xiàn)中文信息語(yǔ)義挖掘做出貢獻(xiàn)。 論文結(jié)合信息產(chǎn)業(yè)部電子產(chǎn)業(yè)發(fā)展基金項(xiàng)目的開(kāi)發(fā)，對(duì)中文信息的語(yǔ)義數(shù)據(jù)挖掘技術(shù)進(jìn)行了系統(tǒng)的研究。首先分析了中文信息處理的特點(diǎn)及各項(xiàng)關(guān)鍵技術(shù)，并對(duì)中文分詞技術(shù)進(jìn)行了深入探討，實(shí)現(xiàn)了一種采用正向最大匹配

3、和詞典分詞算法的中文分詞器。然后在深入介紹了本體論相關(guān)知識(shí)之后，提出了一種基于本體的語(yǔ)義數(shù)據(jù)挖掘(OSDM)技術(shù)，給出了其工作流程和原理，并對(duì)涉及的領(lǐng)域本體構(gòu)建、語(yǔ)義標(biāo)注和語(yǔ)義推理等關(guān)鍵技術(shù)進(jìn)行了分析研究，給出了切實(shí)可行的解決方案，為語(yǔ)義數(shù)據(jù)挖掘技術(shù)的應(yīng)用奠定了良好的基礎(chǔ)。最后基于OSDM技術(shù)模型設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)中文信息語(yǔ)義檢索系統(tǒng)。該系統(tǒng)以參考背景知識(shí)自行構(gòu)建的MyFruitOnto領(lǐng)域本體作為知識(shí)庫(kù)，利用本體描述語(yǔ)言O(shè)WL，的語(yǔ)義推