本體學習中概念和關系抽取方法研究.pdf

1、隨著社會的發(fā)展，人們對數字信息的需求越來越強烈，信息技術面臨著種種挑戰(zhàn)，如信息的表示、知識的共享、軟件的復用等等。如何對網絡上的海量信息組織、管理、維護和復用并為企業(yè)用戶等提供有效迅捷的服務已經成為科研領域一個廣泛關注的問題。本體作為一種共享的概念化模型，已經越來越為人們所關注，并在人工智能、知識工程、語義檢索等很多領域都得到廣泛的應用。但手工構建本體是一件繁瑣辛苦的任務，需要耗費大量的時間和資源，尤其構建領域本體還需要領域專家的參與，

2、是本體發(fā)展的一大瓶頸。為解決該問題，人們開始嘗試自動或者半自動構建本體，即本體學習。
　　 本體學習是利用統(tǒng)計、機器學習、自然語言處理等技術半自動或者自動地從已有的文本、HTML文檔、數據庫等數據源中獲得期望本體的技術，目前的研究重點在于概念以及關系的提取。傳統(tǒng)的本體學習方法多采用基于統(tǒng)計的方法，而本體中概念、關系之間更多側重的是語義聚合性，由于忽略了語義因素對抽取結果的影響，對于概念和概念間關系的提取準確性欠缺。
　　

3、 針對以上問題，本文提出了一種基于過濾機制的本體學習方法，采用詞匯上下文構造概念向量空間模型，利用余弦法計算相似度來表示詞匯之間的語義相關度。利用語義相關度對提取的概念、概念關系對進行過濾，以達到提高準確率的目的。
　　 另外，在概念關系學習的基礎上，本文對分類關系的獲取方法進行了探索：采用術語包含法獲取分類關系，并設置了置信度度量公式，對獲取的分類關系賦予可信度度量指標。
　　 為驗證模型的有效性，本文完成了一個本體學