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。 論文在借鑒國外現(xiàn)有的本體學習

2、理論、方法和技術的基礎上，結合中文自然語言處理的研究成果，對中文環(huán)境下領域本體的概念獲取、繼承關系學習、囑性關系學習和本體實例獲取的理論方法展開研究。論文主要研究內容如下： (1)通用本體學習系統(tǒng)的體系結構。設計了一種通用本體學習系統(tǒng)體系結構，由建立在資源層基礎上的五大功能模塊構成，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、該體系結構中。 (2)多策略領域概念獲取。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)計等多種策略的領域概念獲取算法。能根據(jù)頁面塊特征判定結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語獲取方法，研究了基于搜索引擎的術語間同義詞關系識別方法以及領域概念的過濾算法。 (3)繼承關系學習。提出了基于Web分類目錄判定的繼承關系學習方法和基于語境自學習的繼承關系學習方法。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系映像規(guī)則。后者主要包括繼承關系語境的自學習機制和基于語境的繼承關系獲取算法。兩種方法各有優(yōu)缺點，具有互補性。 (4)基于知網(wǎng)的屬性關系學習。屬性關系具有重要作用，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成，提出了利用知網(wǎng)中屬性義原所描述的上下位關系實現(xiàn)非屬性詞匯過濾和利用