基于種子概念及改進的凝聚層次聚類算法的水環(huán)境本體構建研究.pdf

1、在我國水利信息化的過程中，存在著水利信息化缺乏統(tǒng)一標準，信息表達各異，信息共享不充分，信息系統(tǒng)之間的交流融合性差等問題。這些問題嚴重制約阻礙了我國水利信息化建設。然而，水環(huán)境本體是一個包含水環(huán)境術語、定義以及術語間規(guī)范關系說明的體系，是水環(huán)境學科領域內概念、概念與概念間的相互關系的形式化表達，能夠提高水利信息化進程中數據發(fā)現(xiàn)、數據同化、資源共享和數據應用的效率。針對水環(huán)境本體構建問題，本文運用了語言學、統(tǒng)計學、向量空間模型及聚類算法等原

2、理，使用了一種基于種子概念及改進的凝聚層次聚類算法的水環(huán)境本體構建方法。
　　提取全面完整的領域概念是水環(huán)境本體構建的基礎。針對如何從大規(guī)模語料集中提取水環(huán)境領域概念的問題，在數據源預處理階段引入了水環(huán)境領域詞典，提高了文本分詞精度。同時，考慮到概念提取的完整性及正確率，提出了將種子概念法及 TF·IDF法相結合的概念提取方法。先利用種子概念法從候選術語集中提取概念，之后利用TF·IDF法從剩余的候選術語集中提取概念。最后，實驗一

3、共從300篇水環(huán)境領域文本集中提取了581個概念，包含447個正確的水環(huán)境概念，證明了種子概念法比TF·IDF法具有更高的正確率，但是TF·IDF法作為種子概念法的補充能夠幫助提取更多的水環(huán)境領域概念。
　　提取準確可靠的概念關系是水環(huán)境本體構建的關鍵。為方便計算概念相似度，利用概念的TF·IDF值建立了表達概念與文本之間關系的向量空間模型，并利用改進的凝聚層次聚類算法提取概念間的上下位關系。該算法先利用 K-means聚類算法將