【摘要】：隨著信息技術(shù)的發(fā)展,特別是互聯(lián)網(wǎng)在全球范圍內(nèi)的不斷普及和應(yīng)用,網(wǎng)絡(luò)資源越來越豐富,互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的必要途徑和重要手段�？茖W(xué)技術(shù)的迅猛發(fā)展帶來了大量的新術(shù)語,由于術(shù)語不僅能夠幫助人們認(rèn)知周圍的客觀事物,同時(shí)也是人們交流思想和傳播知識(shí)的理想媒介,因此,準(zhǔn)確理解術(shù)語在具體領(lǐng)域、場合及問題上的含義具有重要的意義。當(dāng)人們不了解這些術(shù)語的確切含義時(shí),往往借助于搜索引擎進(jìn)行信息檢索。如何有效地開發(fā)和利用豐富的網(wǎng)絡(luò)信息資源,從大量的信息中快速準(zhǔn)確地獲取用戶所需的術(shù)語定義以及相關(guān)信息,成為了一項(xiàng)極具研究和實(shí)用價(jià)值的課題。在面向術(shù)語的信息檢索中,涉及的關(guān)鍵技術(shù)包括了術(shù)語定義的自動(dòng)抽取以及術(shù)語語義相關(guān)性的計(jì)算,本文就這兩個(gè)方面的內(nèi)容進(jìn)行了分析和研究。 當(dāng)前很多搜索引擎,雖然可以提供所查術(shù)語的大量解釋或描述性信息,但往往無法直接提供完整的術(shù)語定義�？咳斯暮Ａ啃畔⒅胁檎业叫g(shù)語的定義是件費(fèi)時(shí)費(fèi)力的事情,因此,在傳統(tǒng)信息檢索技術(shù)的基礎(chǔ)上,引入對(duì)術(shù)語定義的自動(dòng)抽取技術(shù),將檢索的粒度由原來的以篇章為單位轉(zhuǎn)變?yōu)橐灾R(shí)元為單位,幫助用戶快速定位、抽取出所需的定義信息就非常關(guān)鍵。本文在分析現(xiàn)有的基于規(guī)則的術(shù)語定義句抽取方法特點(diǎn)的基礎(chǔ)上,提出了一種將硬模板匹配與軟模板匹配技術(shù)相結(jié)合的綜合術(shù)語定義句抽取方法。 本文在對(duì)傳統(tǒng)信息檢索技術(shù)分析后發(fā)現(xiàn),傳統(tǒng)搜索引擎提供的檢索服務(wù)大多是通過對(duì)文檔和查詢關(guān)鍵字之間的機(jī)械匹配來實(shí)現(xiàn)的,缺乏對(duì)自然語言理解的支持。為了增強(qiáng)搜索引擎的智能化程度,提高用戶的檢索效率,在搜索引擎中加入對(duì)語義知識(shí)的理解就顯得非常重要。在面向術(shù)語的信息檢索中,計(jì)算術(shù)語間的語義相關(guān)度是進(jìn)行語義知識(shí)理解的基礎(chǔ)。本文在對(duì)現(xiàn)有的術(shù)語間語義相關(guān)度計(jì)算方法進(jìn)行研究和總結(jié)的基礎(chǔ)上,給出了使用維基百科進(jìn)行相關(guān)度計(jì)算的可行性。本文充分挖掘了維基百科中的文本、鏈接以及分類信息,分析了各類語義資源以及相應(yīng)相關(guān)度算法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上,提出了一種基于中文維基百科的綜合的術(shù)語間語義相關(guān)度算法。 本文的主要工作包括以下幾個(gè)方面。 1)通過分析現(xiàn)有的基于規(guī)則的術(shù)語定義抽取方法的優(yōu)勢與不足,提出了一種結(jié)合硬模板匹配和軟模板匹配技術(shù)的綜合術(shù)語定義自動(dòng)抽取方法。首先使用硬模板庫對(duì)待抽取文本進(jìn)行初步的定義句匹配抽取。其中,硬模板庫由手工模板和詞類格模板兩部分組成。接著,通過使用基于N元語言模型的軟模板匹配模型來計(jì)算待匹配文本中每個(gè)句子與軟模板之間的匹配度,并通過設(shè)定上、下限閾值來抽取定義句或過濾掉錯(cuò)誤召回的非定義句。 2)結(jié)合維基百科預(yù)處理工具WikiPrep對(duì)中文維基百科中文本、鏈接以及分類信息進(jìn)行了抽取和整理,并使用JGraphT圖形工具庫進(jìn)行了維基百科分類圖的自動(dòng)構(gòu)建。 3)分析當(dāng)前以維基百科為背景的語義相關(guān)度研究中的不足之處,充分挖掘了維基百科提供的包括文本信息、鏈接信息、分類信息在內(nèi)的各種語義信息,并對(duì)各語義資源優(yōu)缺點(diǎn)進(jìn)行了分析,提出了一種基于特征融合的綜合術(shù)語間語義相關(guān)度計(jì)算方法。 本文最后設(shè)計(jì)實(shí)現(xiàn)了一個(gè)具有術(shù)語定義檢索功能以及基于語義的概念查詢擴(kuò)展功能的信息檢索原型系統(tǒng),以驗(yàn)證本文所提出的各項(xiàng)關(guān)鍵技術(shù)的正確性和有效性。
【圖文】：

維基百科由來自世界各地的志愿者合作編輯完成，具有多語種、覆蓋領(lǐng)域范圍廣（如圖4-1所示）的特點(diǎn)。截止到2012年3月，維基百科己經(jīng)擁有284種語言版本，其中，英文版本是最大的，，有超過389萬篇文章，而中文版本也包含了超過40萬的中文條目。維基甜：分類索引 中文維基百ft分類費(fèi)51生活.化 但界音地/5? ?33-飲食-flg 裝-SES-體育■獲寧、-■-麟■斷-IS-fi 樂- - itm - SfHifH - wm -挪-輸-棚-電視-R

本文編號(hào)：2568807