面向文本的本体学习方法研究

论文摘要

本体作为一种能在语义和知识层面上描述信息系统的概念模型,已被越来越多的应用在数字图书馆、信息检索、人工智能、机器翻译以及知识工程等领域。而且本体的应用还在不断的扩展,人们对本体的需求也在不断增加。然而目前本体在大部分领域的应用都是在已经手工构建了本体之后来实现的,本体构建工具也只能提供其编辑功能,在使用这些本体编辑工具的时候,用户仍然需要手动进行,这就在很大的层面上制约了知识的获取途径,导致了本体无法保持更新。从而决定了本体不能用手工的方式来构建,我们要用半自动或者是自动的方式去构建本体。为了让用户的需求得到满足,研究者们就提出了本体学习技术,它的目的就是实现本体的自动和半自动构建。本体学习的任务主要是概念的提取、概念间关系的提取及公理的获取。对于数据源类型不同的,采用的本体学习技术也是不同的。该论文就是对非结构化数据的本体学习技术进行研究。本文首先介绍了本体的定义,本体的描述语言和本体的类型,并对本体学习方法进行了理论研究,简单介绍了本体学习的体系结构、本体学习的类型、本体学习的工具和本体学习方法。重点研究了面向文本的本体学习中的概念提取和概念关系提取。对于概念的提取本文在基于统计方法的基础上引入了种子概念,详细介绍了概念提取的步骤,并做了相应的实验进行验证,大大的提高了概念提取的准确率。对于概念关系的提取,本文主要对基于统计的和基于模式的两种方法进行了研究,对于统计方法主要是通过概念信息度和概念间的语义相似度,来进行概念关系的提取。对基于统计方法和模式方法既分别进行了实验又将两种方法混合起来做了实验。最后,从全局考虑,测试数据源的规模是否对实验结果有影响影响。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 论文的组织结构
• 第二章 本体及本体学习
• 2.1 本体
• 2.2 本体学习
• 第三章 面向文本的领域概念提取
• 3.1 概念提取的方法
• 3.2 领域概念的提取
• 3.3 实验结果及分析
• 第四章 面向文本的领域概念关系的提取
• 4.1 基于统计的方法
• 4.2 基于模式的方法
• 4.3 实验结果及分析
• 第五章 综合实验
• 5.1 概念提取实验
• 5.2 概念关系提取实验
• 5.3 实验结果分析
• 总结
• 致谢
• 参考文献
• 作者简介
• 攻读硕士学位期间研究成果