近年來,信息抽取、知識圖譜和知識庫的構(gòu)建等研究成為熱點,本體中實體識別和實體上下位關(guān)系抽取是這些研究的基礎(chǔ)。但是目前針對特定知識圖譜本體構(gòu)建并不多,本系統(tǒng)針對植物領(lǐng)域知識圖譜的本體構(gòu)建做了一些工作。本系統(tǒng)主要采用一種自下而上的構(gòu)建方式,由最下層的領(lǐng)域?qū)嶓w獲取出發(fā),通過推薦算法來挖掘上位詞,避免了傳統(tǒng)構(gòu)建方法中的關(guān)系抽取及關(guān)系判斷這一難點,通過自動化方式獲取實體上位詞,再獲取上位詞的上位詞,即將上位詞層次化,最后通過信息抽取挖掘出實體的各個屬性,最后構(gòu)建出本體。首先,領(lǐng)域?qū)嶓w的獲取,本系統(tǒng)通過挖掘互聯(lián)網(wǎng)開放庫數(shù)據(jù),如搜狗,百度,騰訊等互聯(lián)網(wǎng)公司所收集整理的各種領(lǐng)域詞條,以此類詞條為基礎(chǔ)來豐富領(lǐng)域?qū)嶓w庫。爬取百科數(shù)據(jù),根據(jù)百科類目和開放分類獲取前面收集到的實體的上位詞,并清洗整理,另外通過協(xié)同過渡推薦算法獲取上位詞的方式作為補充,完成上位詞獲取。通過FP-Growth算法尋找頻繁項的方法對前面所獲取的上位詞進(jìn)行層次化,并進(jìn)行循環(huán)遞推,找出上位詞的上位詞,直至結(jié)束。對百科描述文本,進(jìn)行信息抽取,挖掘出實體的相關(guān)屬性,完成整個本體的構(gòu)建過程,并以圖譜的形式展示出來。本文通過系統(tǒng)性的分析,概括出... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

互聯(lián)網(wǎng)詞庫分類

確定領(lǐng)域范圍，采用自下而上的構(gòu)建方式，首先進(jìn)行領(lǐng)域?qū)嶓w獲取，通過爬取互聯(lián)網(wǎng)詞庫可以迅速的豐富基礎(chǔ)實體庫，由于互聯(lián)網(wǎng)詞庫相對來說收集比較完善，對后面的實現(xiàn)也很有利。3.3.2 實體數(shù)據(jù)獲取模塊設(shè)計對于百科數(shù)據(jù)特點，它的一個詞對應(yīng)著一個頁面，本系統(tǒng)暫且把詞條看作是實體，采用爬蟲技術(shù)，從網(wǎng)頁中爬取相關(guān)信息，包括實體的標(biāo)題項，實體的描述文本，實體的基本信息，實體的開放分類，描述文本的內(nèi)鏈接五個主要部分，把這些信息抽取出來并進(jìn)行結(jié)構(gòu)化，用來表示實體，為后續(xù)的構(gòu)建提供必要的數(shù)據(jù)。本 系 統(tǒng) 采 用 一 種 五 元 組 的 方 式 來 表 示 這 些 信 息 ：E(a)={T(a),A(a),I(a),H(a),L(a)},其中 a 代表實體，T(a)代表實體的標(biāo)題，A(a)代表實體的描述文本，I(a)表示實體的基本信息，H(a)表示實體的開放分類數(shù)據(jù)，L(a)代表實體的內(nèi)鏈接集合。

a 而認(rèn)為他們都是相似的，，具有上位詞 c們可以推薦給實體 C。經(jīng)過推薦后，我們再則認(rèn)為推薦合理。，發(fā)現(xiàn)興趣相似用戶，即相似實體，通常情計算兩個實體之間的相似性，設(shè) N(u)為實 v 擁有的上位詞集合，那么 u 和 v 的相似性 | ( ) ∩ ( )|| ( ) ∪ ( )| | ( ) ∩ ( )|√| ( )| | ( )| 4 個實體： A、B、C、D；共有 5 個上位詞系（實體擁有上位詞）如下圖所 4-3 所示：

【參考文獻(xiàn)】：
期刊論文
[1]個性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)



本文編號：3393013