面向文本的領域概念篩選算法研究.pdf

1、在語義技術及其應用中，本體學習是一個研究熱點，受到國內外眾多學者的廣泛關注。概念獲取作為本體學習的重要一環(huán)，其篩選的質量決定了本體建構的效果。以文本作為載體的數據源已成為當前本體學習的主流。因此，本文就限制在文本的領域概念篩選。
　　在本體概念的提取中，需首先獲取候選概念，繼而從候選概念集合中篩選掉非領域概念，形成領域概念集合。現有的領域概念篩選算法容易遺漏某些重要的具有同義關系或整體部分關系的低頻候選概念，還會將大量的高頻的與該

2、領域不相關的冗余概念錯選為領域概念，影響了概念提取的準確率和召回率。
　　鑒于現有領域概念篩選方法中領域概念篩選存在不準確的缺點，本文提出了一種改進的本體學習中的領域概念篩選算法。該算法利用候選概念上下文的語境信息計算候選概念之間的相似度，根據計算結果的值給出了判斷同義詞和整體部分關系詞的標準，識別出低頻的具有同義關系和整體部分關系的詞集，并篩選掉部分冗余概念，同時給出了改進公式和領域概念篩選算法，使其能更好地篩選這些低頻且很重要