基于本体的专利摘要知识抽取.pdfVIP

第二十二届全国计算机信息管理学术研讨会论文集 基于本体的专利摘要知识抽取 中国科学技术信息研究所姜彩红乔晓东朱礼军 (北京复兴路15号，北京100038) 63．com caihong_0725@1 摘要：本文指出了传统信息抽取技术的不足之处及知识抽取技术的优势所在。通过对“新能源汽车” 中文专利摘要的阅读和分析，构建相应的本体、收集相关的词表并撰写相应的规则用于专利摘要的 知识抽取过程，并在此基础上完成对专利知识库的自动构建，是就如何组织非结构化信息和如何自 动构建知识库的一次尝试。 关键词：知识抽取，本体，专利，摘要，知识库 1引言 随着计算机技术的普及和Interact的迅猛发展，数字化的文档信息总量呈指数级增长。在这些信 息中，非结构化的信息又占90％以上。为了更好的利用这些信息，越来越多的用来处理非结构化文 本的工具被开发出来，如文本自动分类工具、文本概念识别工具、文摘自动生成工具等。 然而，这些工具往往都是以整篇文档为处理单位，并没有如何从一篇文档中抽取出某类特定的 知识，即实现知识抽取(KnowledgeExtraction，KE)并将其保存在知识库(KnowledgeBases，KB) 中，正是本文研究的问题。 本文通过尝试构建一个基于本体的知识抽取系统原型，利用“新能源汽车”领域中文专利摘要 作为语料进行知识抽取，探索非结构化信息的知识组织和知识库的自动构建的可行性。 2相关理论概述 2．1从信息抽取到知识抽取 信息抽取(Information Extraction，IE)技术是指从文本中抽取用户感兴趣的事件、实体和关系， 被抽取出来的信息以结构化的形式描述，然后存储在数据库中…。但是，传统的信息抽取系统仅仅 能识别出某些特定的实体，例如从新闻报道中抽取出恐怖事件的详细情况(时间、地点、作案者、 受害者、袭击目标、使用的武器等)，但是却不能将这些实体按照一定的语义关系组织起来。因此， 这些被识别出来的信息往往只是一些分散的信息片段，无法形成一项完整的知识，不能直接供用户 使用，没有具体的实用价值。 知识抽取在信息抽取之上，很好的克服了信息抽取的上述缺陷。知识抽取技术不但从文本中识 别出特定的实体信息，并且将这些信息以一定的语义关系组织起来，形成知识并存入知识库中。同 样用上述例子，知识抽取不仅仅能抽取出恐怖事件的发生时间、地点、作案者、受害者、袭击目标、 使用的地点等，还能将这些实体以一定的语义关系组织起来，即在XX时间XX地点，XX作案者使用 XX武器袭击了XX受害者。将识别出来的信息片段以一定的语义关系组织起来并存入知识库中，从 而达到面向用户需求的目的，这是知识抽取的最终目的【2】。 2．2基于本体的知识抽取 32 第二十二届全国计算机信息管理学术研讨会论文集 本体是共享概念模型的明确的形式化规范说明，为人们或者组织之间的交流提供了通用术语， 使领域内不同系统、不同模型之间能够实现互操作和集成；能够帮助系统工程实现重用、可靠性和 规范描述‘31。建立本体的目标就是捕获相关的领域知识，提供对该领域知识的共同理解，确定该领 域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇和词汇之间相互关系的明确定义 【4】o 使用本体技术，即利用本体定义的语义关系来组织识别出来的实体信息，形成完整的知识并在此基 础上完成对知识库的构建。而通过对国内的知识组织项目的调研发现，国内将本体技术应用于知识 抽取过程的项目较少，因此本文作者想要通过借鉴国外的研究成果，对利用本体技术实现中文知识 抽取做一个探索。 3基于本体的知识抽取系统模型 基于本体的知识抽取系统的目的就是将非结构化的信息结构化，并将其存入知识库中，供用户 使用。本文用“新能源汽车”中文专利摘要作为语料，将摘要中的一些信息点抽取出来，利用本体 定义的语义关系加以组织并存入专利知识库中，实现知识库的自动更新。 基于本体的中文专利摘要抽取系统有4个主要的功能模块：数据转换模块、中文分词模块、本 体构建模块以及知识抽取模块。以下是系统示意图：