基于特征項(xiàng)權(quán)重與句子相似度的知識元智能提取技術(shù)研究.pdf

1、隨著知識時代的到來，人類的認(rèn)知粒度已經(jīng)發(fā)生變化。人們對于知識的獲取已不再停留于文獻(xiàn)層面，而已經(jīng)深入到知識元層面，人們需要獲取針對特定問題的解決方案，需要快速定位、獲取文獻(xiàn)中包含的知識。
　　知識元層面的知識組織方式解決了學(xué)科知識分裂化的局面，實(shí)現(xiàn)了知識合作和知識共享。以知識元為基元通過知識元鏈接理論可以產(chǎn)生新的知識管理形式——知識網(wǎng)格，進(jìn)而形成完整的知識服務(wù)系統(tǒng)，加快知識創(chuàng)造的速度，實(shí)現(xiàn)知識增值，推動由信息服務(wù)向知識服務(wù)的過渡，提

2、高知識服務(wù)的效應(yīng)，為人類知識學(xué)習(xí)和知識創(chuàng)新提供方法。因此，知識元提取技術(shù)的研究是有現(xiàn)實(shí)意義的。
　　本文針對目前知識元提取存在的問題，研究知識元定義和結(jié)構(gòu)模型，在已有的知識元結(jié)構(gòu)模型基礎(chǔ)上提出知識元五元組結(jié)構(gòu)模型，利用改進(jìn)的MF-S-TFIDF算法和句子權(quán)重算法提取文本知識元，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證，本文主要工作如下:
　　(1)研究知識元理論以及與知識元提取相關(guān)的技術(shù)，分析國內(nèi)外知識元智能提取技術(shù)的發(fā)展現(xiàn)狀，總結(jié)歸納知識元定義，

3、在已有的知識元結(jié)構(gòu)模型基礎(chǔ)上提出知識元五元組結(jié)構(gòu)模型;
　　(2)研究特征項(xiàng)權(quán)重算法，重點(diǎn)分析TF-IDF算法，彌補(bǔ)傳統(tǒng)TF-IDF算法在詞語語義層面的不足，利用詞語相似度算法實(shí)現(xiàn)詞語分類，將詞語語義相似度與TF-IDF算法結(jié)合提出改進(jìn)的S-TFIDF算法，在S-TFIDF算法基礎(chǔ)上融合詞語內(nèi)部多特征因素提出改進(jìn)的MF-S-TFIDF算法，并應(yīng)用到特征項(xiàng)權(quán)重計算過程中;
　　(3)改進(jìn)句子相似度算法，重點(diǎn)分析基于詞型匹配和基

4、于編輯距離的句子相似度算法的不足，在基于詞型匹配的句子相似度算法中加入詞語語義信息，在基于編輯距離的句子相似度算法中增加非相鄰塊的交換操作并考慮詞語語義信息以及詞語內(nèi)部因素對編輯距離的影響，提出改進(jìn)的句子相似度算法，并應(yīng)用到句子相似度計算過程中;
　　(4)研究句子權(quán)重算法，融合句子多特征因素進(jìn)行句子權(quán)重計算;
　　(5)整合知識元智能提取算法，進(jìn)行知識元屬性提取，獲取結(jié)構(gòu)化知識元，進(jìn)行實(shí)驗(yàn)對比和算法評估。
　　最后對