领域本体构建及其在Web信息抽取中应用研究.pdfVIP

摘 要 信息抽取是自然语言处理技术的一个重要发展方向，信息抽取的目的是让有用的信息 以统一的形式集中在一起，从而利于人们对信息的获取。作为一种自然语言处理系统，信 息抽取系统需要强大知识库的支撑。由于在不同的信息抽取系统中知识库的结构和内容的 不同，使得信息抽取技术仍面临着知识瓶颈问题。本体作为领域知识的共同理解，可为信 息源提供必要的语义标注信息，将本体引入信息抽取中，有助于信息抽取系统对领域内的 概念和概念之间的联系的统一认识，从而为用户提供更有价值的信息。本文以领域本体为 研究对象，就领域本体的构建及其在信息抽取系统中的应用开展了以下研究工作： 1. 对领域本体在信息抽取系统中的应用现状和本体构建方法的研究现状进行分析和 研究，结合本体的语义优势，确立了在信息抽取中构建并应用领域本体的目标。 2. 给出了一种领域本体构建方法，包括领域的确定、概念及其关系的抽取和本体的编 辑与存储。在本体半自动构建的概念抽取过程中，通过对领域文本挖掘得到领域关键词， 然后使用改进的TF-IDF 公式从关键词集中抽取具有领域性的特征词，经人工修正后得到本 体概念；概念间关系的抽取则是采用基于WordNet 和基于模式学习相结合的获取方法；最 后使用Protégé软件编辑得到领域本体。 3. 以手机领域为例，在信息抽取系统中构建一个小规模的领域本体，接着将本体与信 息抽取两项技术结合，提出了基于 OWL 本体的文本信息抽取算法。在算法中，以本体作 为领域的知识框架来参考，结果抽取出该领域框架的结构化的实体，即通过本体的组成元 素：类，属性和实例，来描述抽取的文本信息。最后利用此算法对一些手机领域样本网页 进行抽取并对抽取后的结果进行了分析。 关键词：信息抽取；领域本体；本体构建；手机 I Abstract Information extraction is an important development direction of Natural Language Processing skill. The purpose of information extraction is to make useful information together in a uniform manner, so that benefits for helping people access to information. As a natural language processing system, information extraction system requires a strong knowledge library’s support. Because in different information extraction system, knowldege library structure and the content are different, which making information extraction technology faced with the problem of the knowledge bottleneck. As the common knowledge of a special domain, ontology could provide the necessary information of semantic annotation. By introducing ontology to information extraction system, it’s helpful for information extraction system to understand united the concepts and the relationship between concepts in the domain, so as to provide more valuable information to users. This paper takes