基于本體的自動語義標注方法研究.pdf

1、隨著互聯(lián)網上信息內容的增多，人們要準確、快速、全面的獲取所需信息更加困難。傳統(tǒng)的方法是對網頁信息進行人工語義標注，而對現有海量網頁進行手工語義標注顯然并不可行，因此如何提高自動語義標注質量是研究的重點。由于本體在語義和知識概念方面可以更好地描述信息，所以將本體引入到傳統(tǒng)的語義標注方法中。通過對語義標注方法的分析和探討，理解自然語言信息抽取和標注算法是提高語義標注準確率的關鍵。
　　深入探討自然語言關系抽取方法和語義標注算法后，本文

2、主要研究了在本體知識庫構建時如何高效抽取概念屬性間的語義關系；并通過改進語義標注算法達到提高標注準確率的目的。本文所做的主要工作如下：
　　(1)對中文文本關系難以抽取的問題進行深入研究，提出一個新的關系抽取方法。為了緩解關系三元組抽取困難的問題，提出基于屬性和概念實例的關系三元組構造方法，抽取到的大量概念實例關系三元組中不僅包含顯式關系三元組還包含隱式關系三元組。針對抽取到的關系三元組含有噪聲和錯誤的問題，使用基于Adaboos

3、t迭代算法的協(xié)同訓練方法對關系抽取模型進行強化。以大學類別領域百科條目文本作為實驗材料進行實驗，結果表明該方法能夠取得較好的抽取性能。
　　(2)在語義標注過程中，為了消除文本中給定的命名實體與知識庫中實體映射過程中出現的歧義問題，提出了一種基于上下文信息相似度值排序的消歧方法。消岐方法包括實體表示預處理、候選實體列表構建和相似度值排序算法三部分。針對命名實體指稱多樣性問題，使用實體表示預處理方法抽取標準實體。然后利用中文在線百科