Ontology自动构建中实例学习和关系学习研析.pdfVIP

摘要 摘要 当今w曲快速发展，网络信息成指数膨胀，这些巨摄信息构戚了世界上最 为庞大的信息库。如何从中精确高效地攀习出膏用的知谈，如何组织以及表示 知识，已贱为当今计算机领域的蓬要迥鼷。为了适应这些需要，Ontology于90 年代初被提出。0moIogy最早慰～个哲学上的概念，称为本体。人工智能等学 辩挺O狂如l。gy鹃概念整耀过来，蒡赋予了瑟载含义，霹O撼。logy是共享概念模 型的明确的形式化规范说明。 如今謦内外许多掌零函俸帮在透行0mology粒磷究，然焉大部努0n专ology 的构建是手工或半自动的，都需爱人工参与Ontology的建立。如何自动构建… 个Omology系统是当今计算枫科学领域的研究热点，也是难点。茸前国内外关 予。玳ology自动生成的楣关算法还不娥十分成熟，为了进一步提高Ontology 构建的自动化程度，本文选择了前沿性的研究课题——Ontology自动构建中实 铡学习帮关系学麓匏研究。 实翻。遴过阕读太量豹鞠关文献，终者发凝蓬内外还没蠢发表安秘学习貔相关 文章，通道分析当前较流行的Ontology半自动构建平台texHo—onto的原型系统， 发现该系统运用模式匹配方法学习实例，但是学习出的蜜例数量少、准确率低。 躐此，作者改进了该系统的实例学习算法，并念名为基于模式躁配的实例学习 算法。实验表明，基于横式匹配的实例学习算法在学习出实例的数量和准确率 方嚣均谯予奶(t_to。o珏to系统。基于摸式嚣嚣豹实骥学习算法孛豹实铡模式必须 人工定义，并且耗时耗力。为此，作者设计了一个基于模式自动学习的实例学 瓣算法，渡算法麓够耋动懿学习穗实穰穰式并运麓模式嚣甏算法逡幸亍实锾学习。 实验表明，基于模式自动学习的实例学习算法在学习出实例的数量和准确率方 黼与基予模式匿靛盼实僦学习冀法效栗一样。 关系学习是照算法学习出Ontology的组成元素——关系。通过调研发现关 系学习在学习出关系的数量和准确率方两还有待于进一步的改进。本文设计的 北泉工业丈学工学顺士学位论义 哭系学习算法包括：蒸于wordlNet的关系学习算法，基于模式匹配的笑系学习 冀法，基予模式自动学习斡关系学习算法秘基予关联规则的关系学习舞法。实 验表明，慕于模式隧配的关系学习算法眈text—to．onto能学习出更多的关系，并 且准确率藏高；基于模式自动举习的关系学习算法克服了基于模式匹配的关系 学习算法中关系模式需要人工定义的不足，并且栽够眈基予模式匹配的关系学 习算法学习池更多的关系。基于wjrdNet的关系学习算法和基于关联舰则的关 系学习算法丰富了关系学习，并且使关系学习更其灵活注。 北京工业大学多媒体与智能软件技术北京市重点实验室与日本SORL心公 镯会终开发了一个On牺bgy叁韵穆建平套——o撒oAGs，本人痒秀该平台豹孩 心设计和开发人员，宛成了实例学习模块和关系学习模块等核心模块的研发。 0妊blogy僚为一静落义霸稚鼋襞蔟次上撼述蕊感系绕懿壤念摸嫠建摸工爨，其毒 广阔的发展前景和应用价值。 关键词Ontology自动构建；实例学习；关系学习 ll ABSTRACT Abstract 懒氇氇e i蕊玎na矗on the of壤e融b，inte撇et rapiddevelopment growsrapidlH infomlationthe databaseoftheworld．Howtolearn large composeslargest useful i11】融rIIlation矗omit aIld andhowto the informalionis accurate