基于Web的本體學習研究.pdf

1、本體能夠支持人機之間、機器之間的信息交換、知識共享與重用，而得到越來越廣泛的重視、研究和應用。然而，領(lǐng)域本體的匱乏卻是困擾本體理論研究與現(xiàn)實應用的最主要瓶頸之一，本體學習應運而生，它能夠以自動或半自動化的機器學習方式從多種不同的數(shù)據(jù)源中獲取本體。相比國外較多本體學習研究而言，中文環(huán)境下本體學習剛剛拉開序幕。本文通過對基于Web的本體學習的研究，為具有實用價值的中文本體學習系統(tǒng)的研發(fā)提供理論方法基礎(chǔ)。 論文在借鑒國外現(xiàn)有的本體學習

2、理論、方法和技術(shù)的基礎(chǔ)上，結(jié)合中文自然語言處理的研究成果，對中文環(huán)境下領(lǐng)域本體的概念獲取、繼承關(guān)系學習、囑性關(guān)系學習和本體實例獲取的理論方法展開研究。論文主要研究內(nèi)容如下： (1)通用本體學習系統(tǒng)的體系結(jié)構(gòu)。設(shè)計了一種通用本體學習系統(tǒng)體系結(jié)構(gòu)，由建立在資源層基礎(chǔ)上的五大功能模塊構(gòu)成，分別為：資源管理模塊、通用資源讀寫模塊、數(shù)據(jù)預處理模塊、本體抽取模塊和本體評價與編輯模塊。本文所提出的基于Web的本體學習的方法可組件式地無縫集成到

3、該體系結(jié)構(gòu)中。 (2)多策略領(lǐng)域概念獲取。提出了一種融合信息抽取、中文自然語言處理、語言學和統(tǒng)計等多種策略的領(lǐng)域概念獲取算法。能根據(jù)頁面塊特征判定結(jié)果自適應選擇信息抽取或基于隱馬模型和候選名詞短語約簡的術(shù)語獲取方法，研究了基于搜索引擎的術(shù)語間同義詞關(guān)系識別方法以及領(lǐng)域概念的過濾算法。 (3)繼承關(guān)系學習。提出了基于Web分類目錄判定的繼承關(guān)系學習方法和基于語境自學習的繼承關(guān)系學習方法。前者主要包括網(wǎng)頁中Web分類目錄判定

4、算法、分類目錄標注規(guī)則、隱式分類目錄模式發(fā)現(xiàn)機制、標注文檔合并中的歧義消解算法以及繼承關(guān)系映像規(guī)則。后者主要包括繼承關(guān)系語境的自學習機制和基于語境的繼承關(guān)系獲取算法。兩種方法各有優(yōu)缺點，具有互補性。 (4)基于知網(wǎng)的屬性關(guān)系學習。屬性關(guān)系具有重要作用，但研究很少。首先采用基于語境自學的方法獲取候選屬性集合；分析認為候選屬性集合由非屬性詞匯、無效屬性和有效屬性構(gòu)成，提出了利用知網(wǎng)中屬性義原所描述的上下位關(guān)系實現(xiàn)非屬性詞匯過濾和利用