基于Text2Onto的中文本體學(xué)習(xí)技術(shù)研究.pdf

1、隨著新一代互聯(lián)網(wǎng)——語義Web——研究的不斷深入，本體(ontology)正在成為人工智能和知識工程中一種重要的工具，在知識的獲取、表示、分析和應(yīng)用等方面具有重要的意義。本體的手工構(gòu)建是一項繁瑣而辛苦的任務(wù)，極易導(dǎo)致知識獲取的瓶頸。因此，Web本體的可獲取性已被學(xué)術(shù)界公認為是制約語義Web成功的巨大挑戰(zhàn)之一，能否減低本體構(gòu)建成本，實現(xiàn)本體的半自動自動構(gòu)建逐漸成為本體研究的一個關(guān)鍵問題。從現(xiàn)有信息源，包括文本、詞典、遺留知識庫、WWW文檔

2、等，獲取領(lǐng)域知識、以自動方式構(gòu)建或擴充本體，即所謂的本體學(xué)習(xí)(OntologyLearning)，是開發(fā)本體的有效途徑。 相應(yīng)的，對于語義Web在中國的推廣和應(yīng)用而言，中文本體的獲取是非常重要的。如何從現(xiàn)有的各領(lǐng)域的大量中文文獻中獲取本體，同時提高所得本體的質(zhì)量使其能被有效利用，成為語義Web在中文環(huán)境下推廣的一個重要課題。 本文在Text20nto框架下，針對中文的特點及中西文之間的差別圍繞中文本體的獲取技術(shù)展開了討論

3、和研究，其中利用了ICTCLAS分詞工具。首先我們介紹了Text20nto的優(yōu)點、系統(tǒng)架構(gòu)，工作原理及關(guān)鍵的算法。然后針對中文本體學(xué)習(xí)這一領(lǐng)域存在的問題提出了基于Text20nto的中文本體學(xué)習(xí)技術(shù)框架，并對這個框架下的幾個關(guān)鍵的技術(shù)問題，包括中文語料預(yù)處理、術(shù)語概念抽取、語義關(guān)系抽取，分別作了更為詳細的介紹，給出了中文術(shù)語概念抽取及過濾的具體算法。最后，分析了現(xiàn)有本體學(xué)習(xí)系統(tǒng)的體系結(jié)構(gòu)，在Text20nto的基礎(chǔ)上整合了中文分詞，加入