基于文本的本体学习方法研究

发布时间：2019-07-10 19:14

【摘要】：本文介绍了当前基于文本的本体学习主要方法,在种子概念的基础上,设计了一种基于文本的本体学习方法,同时分析了术语获取、概念分类、关系获取等基于文本的本体学习关键技术。实验表明,借助种子概念能够从纯文本中抽取概念,对概念进行分类,为本体开发提供基础。
文内图片：知网中的概念

图片说明：
a b c d e候选集中的概念773 382 833 921 836词典中已有的概念15 0 5 1 3获取的新概念78 62 58 60 37　　Moldovan的方法实质上是一种有指导的学习,通过种子概念大大提高了概念获取的效率和领域相关性,而且种子概念能够作为概念分类的依据。例如对于(word,seed)类型的术语,可直接将其作为种子概念seed的下位词。如mortgage_ interest_ rate和interest_ rate,可以得出如下的关系: is2a (mortgage interest rate, interestrate);表示mortgage_ interest_ rate是interest rate的一种。2·2　种子概念在本体学习中的作用从Moldovan的方法可以看出,通过种子概念可以获取大量领域概念,并对概念进行分类,而概念和概念分类正是本体的核心,因此,可以将种子概念引入基于文本的本体学习方法,并有如下优点:1)可以事先选取种子概念,并围绕种子概念构建语料库,降低语料选取偏差对本体学习结果的影响。
文内图片：

图片说明：
本方法的目标是以文本语料作为输入,通过概念获取、概念分类以及关系获取,最终得到概念和概念的分类,以及概念之间的关系。本方法的基本原理见图2。图2基于文本的本体学习方法基本原理从图2可以看出,本文设计的基于文本的本体学习方法的基本步骤包括:文本预处理;输入种子概念;术语抽取;概念分类;关系抽取。3·2　文本预处理对语料库中的文本进行切词和词性标注等浅加工,可以利用一些现有的工具,如中国科学院的词法分析器IC2TCLAS等。3·3　输入种子概念用户可以根据领域知识和语料信息选取领域内比较重要的词作为种子概念。选定种子概念后,抽取出种子概念出现时的上下文。种子概念在语料库中出现多少次,就对应有多少条语料片断被抽出。例如用户输入的种子词为“电视机”,语料库中有句子:“反映了当前背投彩色电视机技术的最新发展水平”,则从中抽取出“电视机”的前后相邻的词
【作者单位】：中国科学技术信息研究所中国科学技术信息研究所
【分类号】：G420

【参考文献】