一种利用度属性获取本体概念层次的方法.pdfVIP

小型做型计算机系统 Joumal of Chinese Computer Systems 2010 年 2 月第 2 期 Vol. 31 No.2 2010 一种利用度属性获取本体概念层次的方法 温春，石昭祥，杨国正 (电子工程学院网络工程系，安徽合肥 23∞37) 院-mail: wenchun2创问@163. ∞m 摘 要:通过分析已有的中文本体概念层次获取方法的特点和不足，提出一种利用皮属性获取概念层次的方法.曾先将概念关 系以图的形式表示出来，然后利用反向剪枝算法得出概念所在层次，最后补充并修剪层次关系生成完整的概念层次.从各种参 数的对比结果来看，基于 VSM(Vector Space M呻1)且不进行 LSI(Latent Semantic Indexing) 降维时效果最好，同时也优于目前 已有的几种方法， 关键词:概念滕次;本体学习;度;反向周枝 中阳分揽号: TP182 文献栋tR码 :A 文章编粤:1α)()-1220(2010 )02-0322-05 Concept Hierarchy Induction Approach B拙ed on Degree WENαlun ， SHI Zhao.xiang , Y ANG Guo-zheng ( Departme1lt of Network Engineerlng , Electroníc Engíneerlng Institute , H，价123∞37 ， Ch阳} Abstract: By ana1yzing the ch缸部份ristics and disadvantages of several Chinese ontol.ogy c.onc叩t hierarchy induction me由ods ，也is pa- per pr.opo始s an induction method based 佣 degr悦 FirstIy tlle c.onceμhierarchy relation is presented as a 阴ph. 叽len 伽 hierarchies .of concepts are exploited witll a reverse pruning algorithm. At last, after adding and pruning 也.e concept rel剧。n the concept hierat咄y is generaωd. Cornpared with variable value of parameter , the best perf.onnance , which is better 也an tllat .of other me由ods ， is reached when based on VSM but n.ot using LSI. Key words: c.oncept hierarchy i ontology 1创rning; degree j 而verse pruning 1 号|富 具体的任务. Buitelaar [2) 给出了一个居执模型(如图 1 所 自 20 世纪 90 年代以来，随着知识共亭、信息集成、语义 Web 和lWeb 服务等技术的快速发展，本体研究在计算机领域 倍受关注，并逐渐成为研究的前梅和热点.领域本体是对给定 领域中存在的概念的一种详尽的特征化描述，它用公认的术 语集合和术语之间的关系来反映该领城内的知识和知识结 构. DISEASE:=I，臣，L \Dis阳也 il1n峭的 Disease, i11ness, hospi侃l 阁 1 本体学习居次模型 Fig. 1 Ontology learning layer cake 虽然目前的本体构建工具正日越成熟，但是本体的手工 构造仍是一项繁班阳辛苦的任务.因此，如何利用知识换取技 术来降低本体构建的开销是一个很有意义的研究方向.目前， 国外在该方向的研究很活跃，把相关的技术称为本体学习 (ontology 1创rning)技术[1) 关于本体学习到底应该关注哪些 示) ，它总结了本体学习过程中所需要完成的所有子任务. 从图 1 可以看出概念层次( Conc叩t 阳erarchy) 的旗取处 于一个承上启下的位置，是一个高级的复杂任务，也是本体学 习中非常重要的一步.概念应快就取阶段的任务就是根据给 定的相关文档集找出概念的上下位关系. 2 相关工作 目前国际上对于概念恩次关系的获取，常用的方法有:幕 于词典的方法[3 ，4J 、基于词汇·句法模式的方法[5.6J 、基于 Har刷 ris 假设的方法[7 ，8J 、基于关联规则的方法[9， 10J 以及棍合方 法[II ， 12J 国内方面对于概念段次就取