領域本體的構建及其在Web信息抽取中的應用研究.pdf

1、信息抽取是自然語言處理技術的一個重要發(fā)展方向,信息抽取的目的是讓有用的信息以統(tǒng)一的形式集中在一起,從而利于人們對信息的獲取。作為一種自然語言處理系統(tǒng),信息抽取系統(tǒng)需要強大知識庫的支撐。由于在不同的信息抽取系統(tǒng)中知識庫的結構和內容的不同,使得信息抽取技術仍面臨著知識瓶頸問題。本體作為領域知識的共同理解,可為信息源提供必要的語義標注信息,將本體引入信息抽取中,有助于信息抽取系統(tǒng)對領域內的概念和概念之間的聯系的統(tǒng)一認識,從而為用戶提供更有價值

2、的信息。本文以領域本體為研究對象,就領域本體的構建及其在信息抽取系統(tǒng)中的應用開展了以下研究工作:
　　1.對領域本體在信息抽取系統(tǒng)中的應用現狀和本體構建方法的研究現狀進行分析和研究,結合本體的語義優(yōu)勢,確立了在信息抽取中構建并應用領域本體的目標。
　　2.給出了一種領域本體構建方法,包括領域的確定、概念及其關系的抽取和本體的編輯與存儲。在本體半自動構建的概念抽取過程中,通過對領域文本挖掘得到領域字詞,然后使用改進的TF-ID

3、F公式從字詞集中抽取具有領域性的特征詞,經人工修正后得到本體概念;概念間關系的抽取則是采用基于WordNet和基于模式學習相結合的獲取方法;最后使用Protégé軟件編輯得到領域本體。
　　3.以手機領域為例,在信息抽取系統(tǒng)中構建一個小規(guī)模的領域本體,接著將本體與信息抽取兩項技術結合,提出了基于OWL本體的文本信息抽取算法。在算法中,以本體作為領域的知識框架來參考,結果抽取出該領域框架的結構化的實體,即通過本體的組成元素:類,屬性