本文關(guān)鍵詞：基于中文文本的本體學(xué)習(xí)關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 語(yǔ)義Web 知識(shí)圖譜 本體學(xué)習(xí) 本體概念 本體關(guān)系

【摘要】：隨著大數(shù)據(jù)時(shí)代的到來(lái),Internet上的知識(shí)數(shù)量呈現(xiàn)指數(shù)級(jí)增長(zhǎng),其內(nèi)容變得更加豐富、形式更加多樣,如何將這些知識(shí)進(jìn)行快速地、準(zhǔn)確地組織和管理成為計(jì)算機(jī)相關(guān)領(lǐng)域的研究熱點(diǎn)。本體(Ontology)作為解決語(yǔ)義層次上Web信息共享和交換的基礎(chǔ),自提出以來(lái)就引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。因此,本體的相關(guān)研究具有重要意義,其研究的主要內(nèi)容包括本體構(gòu)建、本體映射以及本體應(yīng)用等。針對(duì)當(dāng)前手工構(gòu)建本體耗時(shí)費(fèi)力、難以動(dòng)態(tài)更新等諸多瓶頸問(wèn)題,本文重點(diǎn)對(duì)自動(dòng)或者半自動(dòng)構(gòu)建本體即本體學(xué)習(xí)進(jìn)行研究,主要研究?jī)?nèi)容包括本體概念抽取、概念關(guān)系抽取等方面,其中概念關(guān)系主要分為分類關(guān)系(上下位關(guān)系)和非分類關(guān)系。針對(duì)本體學(xué)習(xí)的相關(guān)研究,本文工作主要包括以下幾個(gè)方面：(1)本體概念作為本體的基石,決定了本體構(gòu)建的質(zhì)量。對(duì)于本體概念抽取的研究方法：首先,分析了目前一些常用的本體概念抽取方法,領(lǐng)域一致度與領(lǐng)域相關(guān)度相結(jié)合的方法以及CCM與TFIDF相結(jié)合的方法；然后；針對(duì)TFIDF方法未考慮到概念在語(yǔ)料集中分布的情況,提出了一種CCM與TFIDFE相結(jié)合的概念抽取方法；最后,將上述這些方法做出對(duì)比分析,驗(yàn)證了本文所提出方法的有效性。(2)上下位關(guān)系作為本體的基本骨架,能夠?qū)⒈倔w概念進(jìn)行層次化劃分。結(jié)合改進(jìn)的K-Means聚類算法,提出一種分類關(guān)系抽取方法：首先,構(gòu)建領(lǐng)域概念的空間向量模型VSM；然后,為減少單一采用余弦距離計(jì)算概念間相似度引起的誤差,本文利用歐幾里德距離與余弦距離相加權(quán)的方式計(jì)算概念間的相似度；最后,采用改進(jìn)的K-Means算法進(jìn)行概念聚類,并引入Sil指標(biāo)函數(shù)作為確定最優(yōu)簇類數(shù)K的方法。實(shí)驗(yàn)結(jié)果表明,采用該方法可以取得較好的聚類效果。(3)非分類關(guān)系作為本體的主要枝干,使得本體更加完備。對(duì)于非分類關(guān)系抽取的研究方法：首先,采用關(guān)聯(lián)規(guī)則方法抽取共現(xiàn)的概念對(duì)；然后,根據(jù)概念、動(dòng)詞共振性原理,采用VF*ICF方法獲取與概念共現(xiàn)的領(lǐng)域動(dòng)詞,并將其作為關(guān)系標(biāo)簽；最后,結(jié)合對(duì)數(shù)似然比方法LLR計(jì)算上述抽取的概念對(duì)與關(guān)系標(biāo)簽的相關(guān)性,進(jìn)而獲取非分類關(guān)系。結(jié)合上述研究方法,本文提出了一種本體學(xué)習(xí)框架,并實(shí)現(xiàn)了基于文本的本體學(xué)習(xí)原型系統(tǒng)。該原型系統(tǒng)實(shí)現(xiàn)了對(duì)本體概念、分類關(guān)系、非分類關(guān)系的抽取,并將抽取的領(lǐng)域本體持久化到數(shù)據(jù)庫(kù)中。
【關(guān)鍵詞】：語(yǔ)義Web 知識(shí)圖譜 本體學(xué)習(xí) 本體概念 本體關(guān)系
【學(xué)位授予單位】：西安郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.1
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 緒論8-12
• 1.1 研究背景及意義8-9
• 1.1.1 研究背景8
• 1.1.2 研究意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.2.1 本體概念抽取研究現(xiàn)狀9-10
• 1.2.2 本體分類關(guān)系獲取研究現(xiàn)狀10
• 1.2.3 本體非分類關(guān)系獲取研究現(xiàn)狀10
• 1.3 論文的研究工作及組織結(jié)構(gòu)10-12
• 第2章 本體及本體學(xué)習(xí)理論12-20
• 2.1 本體12-14
• 2.1.1 本體定義12
• 2.1.2 本體建模元語(yǔ)12
• 2.1.3 本體描述語(yǔ)言12-13
• 2.1.4 本體分類13-14
• 2.2 本體構(gòu)建14-16
• 2.2.1 本體構(gòu)建原則14
• 2.2.2 本體構(gòu)建方法14-16
• 2.3 本體學(xué)習(xí)16-19
• 2.3.1 本體學(xué)習(xí)內(nèi)容16-17
• 2.3.2 本體學(xué)習(xí)分類17-18
• 2.3.3 本體學(xué)習(xí)工具18-19
• 2.4 本章小結(jié)19-20
• 第3章 本體概念抽取20-30
• 3.1 常用概念抽取方法20-23
• 3.1.1 概述20-21
• 3.1.2 領(lǐng)域一致度和領(lǐng)域相關(guān)度相結(jié)合的概念抽取21
• 3.1.3 CCM與TFIDF相結(jié)合的概念抽取21-23
• 3.2 CCM與TFIDFE相結(jié)合的概念抽取方法23-26
• 3.2.1 信息熵24
• 3.2.2 TFIDFE24-26
• 3.3 實(shí)驗(yàn)結(jié)果與分析26-29
• 3.3.1 實(shí)驗(yàn)數(shù)據(jù)介紹26
• 3.3.2 結(jié)果及分析26-29
• 3.4 本章小結(jié)29-30
• 第4章 本體概念間關(guān)系的抽取30-46
• 4.1 分類關(guān)系抽取30-37
• 4.1.1 概述30-31
• 4.1.2 K-means聚類算法31-32
• 4.1.3 改進(jìn)的K-Means算法抽取分類關(guān)系32-37
• 4.2 非分類關(guān)系抽取37-42
• 4.2.1 概述37-38
• 4.2.2 關(guān)聯(lián)規(guī)則抽取概念對(duì)38-39
• 4.2.3 VF~*ICF抽取領(lǐng)域動(dòng)詞39-40
• 4.2.4 對(duì)數(shù)似然比抽取非分類關(guān)系40-42
• 4.3 實(shí)驗(yàn)結(jié)果與分析42-45
• 4.3.1 分類關(guān)系抽取結(jié)果與分析42-43
• 4.3.2 非分類關(guān)系抽取結(jié)果與分析43-45
• 4.4 本章小結(jié)45-46
• 第5章 原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)46-56
• 5.1 系統(tǒng)設(shè)計(jì)及開(kāi)發(fā)環(huán)境46-47
• 5.1.1 系統(tǒng)設(shè)計(jì)46
• 5.1.2 系統(tǒng)開(kāi)發(fā)環(huán)境46-47
• 5.2 系統(tǒng)模塊功能及功能實(shí)現(xiàn)47-55
• 5.2.1 系統(tǒng)模塊功能47-52
• 5.2.2 系統(tǒng)主要功能實(shí)現(xiàn)52-55
• 5.3 本章小結(jié)55-56
• 第6章 總結(jié)與展望56-58
• 6.1 工作總結(jié)56
• 6.2 下一步研究工作展望56-58
• 參考文獻(xiàn)58-62
• 攻讀學(xué)位期間取得的研究成果62-64
• 致謝64-65

，

本文編號(hào)：982395