针对文本的茶学本体学习方法分析研究.pdfVIP

摘 要 自从“语义万维网概念被提出之后，对本体的研究越来越广泛，本体作为 知识规范与表示的有力工具，被广泛应用于SemanticWeb、搜索引擎、知识获 取、知识表示等领域。随着本体的广泛应用，本体建模也成为研究热点。本体学 习是通过利用机器学习、自然语言处理及数理统计等方法和技术自动半自动构建 本体，其目标致力于解决本体构建效率问题、构建本体质量问题。本体学习为大 规模领域领域本体，实现语义网具有重要意义。 本文主要研究基于文本的茶学本体学习，论文以茶学病虫害数据源为对象， 研究面向中文文本的本体学习方法和技术，重点研究本体学习过程中的中文分 词、概念及关系抽取，主要研究内容概括如下： (1)针对特定领域数据源，构建领域知识词库，结合通用分词工具包研究基 于领域知识词库的中文分词及词性标注。利用中文分词技术对中文非结构化数据 源进行分词处理，获取候选文本集。 (2)采用多策略集成的方法进行概念抽取。利用两种统计算法和一种基于词 库的方法进行概念抽取，其中统计算法为基于词向量空间模型的概念抽取和基于 领域相关度、一致度的方法；基于词库的正向最大化单词合并概念抽取主要是利 用领域知识词库，一方面可以直接进行概念匹配抽取，另一方面可以对被拆分的 概念进行正向最大合并，避免合成词概念的拆分。 (3)对于概念关系抽取研究，采用基于FCA概念格的概念关系抽取与基于关 联规则的关系抽取。前者利用了FCA概念格的理论与方法，通过快速构造概念格， 利用其与本体之间相似的数据结构，从中提取概念关系；后者是在概念抽取结果 之上，通过构造事务数据库(概念集)，利用改进Apriori算法提取概念之间关 联规则，获取概念间关系。 文章最后将本文所研究的方法和技术应用于茶学病虫害领域，通过抽取该领 域文本集的概念及关系，验证文中方法的有效性，实验表明，文中方法能够有效 提高茶学病虫害领域概念及关系抽取效率。 关键词：本体学习，概念抽取，关系抽取，茶学病虫害 Abstract Since“Semantic was researchis putforward，ontologybecoming web”concept is and increasinglywidespread．Ontologypowerfulknowledgerepresentation are usedinSemantic tool，which Web，search regulation widely engine，knowledge andother isautomatic fields．Ontologylearning acquisition，knowledgerepresentation orsemi-automatic usemachine construction，which ontology learning,nature tosolvethe of constructionandthe languageprocessing efficiencyontology ontology is tobuild scaledomain and qualityproblem．Ontologysignificantlarge ontologies