面向信息抽取的ontology設(shè)計(jì)與實(shí)現(xiàn).pdf

1、如今,Web成為了網(wǎng)絡(luò)信息的主要平臺(tái),是人們獲取知識(shí)的主要來(lái)源。但是,由于Web頁(yè)面的無(wú)結(jié)構(gòu)性、超鏈接的自由無(wú)序、以及Web內(nèi)容的海量性、多樣性和動(dòng)態(tài)變化,人們從Web上搜索真正想要的信息其實(shí)并不容易。從長(zhǎng)遠(yuǎn)看,解決上述矛盾的根本方法就是變無(wú)序數(shù)據(jù)為有序知識(shí),讓計(jì)算機(jī)能夠理解Web信息,同時(shí)理解使用這些信息的人。Web創(chuàng)始人TimBerners-Lee于1998年提出了SemanticWeb(語(yǔ)義Web,或語(yǔ)義網(wǎng))的構(gòu)想,它是當(dāng)前Web

2、的擴(kuò)展,其中的信息被賦予定義良好的含義,使計(jì)算機(jī)可以理解,從而和人更好的協(xié)作。為了將目前無(wú)序的Web改造成有序的計(jì)算機(jī)可理解的知識(shí)寶庫(kù),語(yǔ)義Web采用多層次的表示框架,ontology位于從文檔描述到知識(shí)推理轉(zhuǎn)折的層次,因此ontology的構(gòu)建是實(shí)現(xiàn)語(yǔ)義Web的關(guān)鍵環(huán)節(jié)。ontology就是用來(lái)描述某個(gè)領(lǐng)域(領(lǐng)域ontology)甚至更廣范圍(通用ontology)內(nèi)的概念以及概念之間的聯(lián)系,使得這些概念和聯(lián)系在共享的范圍內(nèi)有著明確唯

3、一的定義,達(dá)成一種共識(shí),這樣人和機(jī)器之間就可以進(jìn)行交流。將ontology和信息抽取技術(shù)相結(jié)合,基于ontology的信息抽取最大的優(yōu)點(diǎn)是抽取對(duì)Web頁(yè)面的結(jié)構(gòu)沒(méi)有依賴(lài)性。利用ontology來(lái)描述和表達(dá)信息抽取的知識(shí)庫(kù),增強(qiáng)抽取模板的語(yǔ)義表達(dá)能力,將信息抽取的重點(diǎn)放在特定的領(lǐng)域,可以大大提高信息抽取的準(zhǔn)確率。基于ontology的抽取方法能將單詞映射為概念實(shí)體,更加準(zhǔn)確地體現(xiàn)文字的真實(shí)語(yǔ)義,同時(shí)通過(guò)ontology的類(lèi)繼承關(guān)系可以體現(xiàn)

4、單詞與單詞之間天然的聯(lián)系,使原來(lái)基于關(guān)鍵字的信息抽取的功能大大增強(qiáng)。本文將基于ontology的信息抽取技術(shù)應(yīng)用于股票信息抽取。建立起股票ontology,利用領(lǐng)域ontology中的概念、關(guān)系、關(guān)鍵字自動(dòng)生成抽取規(guī)則,在對(duì)文章進(jìn)行預(yù)處理后,利用生成的抽取規(guī)則對(duì)文章進(jìn)行抽取,最后把結(jié)果存入數(shù)據(jù)庫(kù)中,為用戶(hù)提供查詢(xún)和統(tǒng)計(jì)功能。本文首先介紹了信息抽取技術(shù)及其產(chǎn)生背景和發(fā)展歷史。接著對(duì)語(yǔ)義Web和ontology理論進(jìn)行了較為全面和完整的介紹