基于自擴(kuò)展的本體學(xué)習(xí)方法.pdf

1、語(yǔ)義Web是下一代Web發(fā)展的重要方向，本體(Ontology)是語(yǔ)義Web的核心，然而手工構(gòu)建本體卻非常繁瑣而耗時(shí)。因此，本體學(xué)習(xí)(Ontology Learning)，或自動(dòng)與半自動(dòng)的本體構(gòu)建，成為研究的重點(diǎn)。按照Staab等人的定義，本體學(xué)習(xí)共分為六層，分別為術(shù)語(yǔ)、同義詞、概念、概念層次、關(guān)系和規(guī)則。作為本體學(xué)習(xí)的第一層，術(shù)語(yǔ)獲取(Term Extraction)是概念、關(guān)系和規(guī)則學(xué)習(xí)的基礎(chǔ)，在本體學(xué)習(xí)方法中扮演著重要角色。

2、 術(shù)語(yǔ)獲取需要解決的主要問(wèn)題是：減少人工標(biāo)注訓(xùn)練樣例的工作量，以及發(fā)現(xiàn)新術(shù)語(yǔ)。針對(duì)這兩個(gè)問(wèn)題，本文利用海量的Web頁(yè)面，提出了兩種針對(duì)不同種類(lèi)頁(yè)面的術(shù)語(yǔ)獲取方法。對(duì)結(jié)構(gòu)性較強(qiáng)的網(wǎng)頁(yè)，本文提出了一種基于序列覆蓋算法的模板標(biāo)簽參數(shù)學(xué)習(xí)算法。該算法以列表頁(yè)面作為輸入進(jìn)行規(guī)則的學(xué)習(xí)，每輪迭代都選擇一個(gè)未覆蓋樣例為學(xué)習(xí)對(duì)象，通過(guò)對(duì)頁(yè)面標(biāo)簽結(jié)構(gòu)的學(xué)習(xí)，在規(guī)則集中加入一條新規(guī)則，直到所有訓(xùn)練樣例都被覆蓋，返回已完成規(guī)則學(xué)習(xí)的分裝器。然后使用學(xué)得的分

3、裝器，結(jié)合基于模式的術(shù)語(yǔ)獲取算法進(jìn)行術(shù)語(yǔ)獲取。對(duì)結(jié)構(gòu)特征不明顯的網(wǎng)頁(yè)，本文提出了一種基于自擴(kuò)展(Bootstrapping)的術(shù)語(yǔ)獲取方法一基于多模式評(píng)分的自擴(kuò)展算法。該方法以導(dǎo)師提供的種子術(shù)語(yǔ)集合作為輸入，在每一輪迭代中，算法首先采用ANNIE進(jìn)行淺層自然語(yǔ)言處理，解析句子的主、謂、賓等句法成分以發(fā)現(xiàn)新的模式，然后使用新發(fā)現(xiàn)的模式進(jìn)行候選術(shù)語(yǔ)獲取，并使用模式的可信度評(píng)價(jià)函數(shù)對(duì)模式進(jìn)行評(píng)分，選出最優(yōu)模式，最后對(duì)最優(yōu)模式獲取的術(shù)語(yǔ)使用基于