構(gòu)建中文大規(guī)模開放鏈接模式關(guān)鍵問題的研究.pdf

1、近年來，隨著語義網(wǎng)的飛速發(fā)展，越來越多的數(shù)據(jù)以結(jié)構(gòu)化的形式(RDF)發(fā)布在萬維網(wǎng)上，并且鏈接數(shù)據(jù)開啟了將分布在萬維網(wǎng)各處的結(jié)構(gòu)化數(shù)據(jù)進行關(guān)連的行動。開放鏈接數(shù)據(jù)項目是目前最大的對語義數(shù)據(jù)進行發(fā)布和互連的社區(qū)工作。它將萬維網(wǎng)從文檔萬維網(wǎng)轉(zhuǎn)變成數(shù)據(jù)萬維網(wǎng)，目前開放鏈接數(shù)據(jù)已經(jīng)擁有超過兩百個數(shù)據(jù)集。
　　雖然當(dāng)前的開放鏈接數(shù)據(jù)擁有數(shù)十億的三元組來描述數(shù)百萬的實體，但是僅擁有很少數(shù)量的模式層的信息并且缺乏模式層的相關(guān)公理。如果存在一個質(zhì)量

2、高和覆蓋度廣的通用模式，它可以對不同領(lǐng)域的本體進行模式層信息的提純，并且拉近輕量級開放鏈接數(shù)據(jù)與富于表達能力的本體之間的鴻溝，此外還可以幫助進行數(shù)據(jù)集成與語義搜索等相關(guān)研究工作。因此，本文貢獻了開放鏈接數(shù)據(jù)的有效補充部分，即開放鏈接模式。開放鏈接模式旨在在概念之間增加更有表達能力的本體公理，其中不同來源中的概念之間的鏈接不僅僅只局限于等價關(guān)系。
　　本文中將介紹大規(guī)模中文開放鏈接模式即Zhishi.schema在構(gòu)建過程中遇到的關(guān)

3、鍵問題及其解決方法。本文首先從超過五十個不同的中文流行社交網(wǎng)絡(luò)站點中收集導(dǎo)航分類與動態(tài)標(biāo)簽，然后提出了一個基于監(jiān)督學(xué)習(xí)的兩階段的方法從收集到的導(dǎo)航分類與動態(tài)標(biāo)簽中識別等價、包含與相關(guān)關(guān)系，從而獲得一個由包含關(guān)系組成的整合概念分類體系與一個由等價及相關(guān)關(guān)系構(gòu)成的大規(guī)模的語義網(wǎng)絡(luò)。
　　本文構(gòu)建的中文開放鏈接模式共包含408，069個分類標(biāo)簽，其中328，288是靜態(tài)分類，79，781個是動態(tài)標(biāo)簽，另外還包括1，560，725個包含關(guān)