Semanti web 与 Semantic web services.pptVIP

Semantic web 与 Semantic web services 电信学院 黄广君 guangjunhuang@126.com Semantic web 语义web的产生 语义web技术基础 主要研究方法 开发步骤与工具 应用系统 1 语义web的产生 1.1 语义web的起源 1.2 语义web的理论基础 1.3 语义web的目标 1.1 语义web的起源 2001年Tim Bernas Lee发表论文提出新一代Internet技术。机器识别和处理 1.1.1 搜索引擎工作原理 基于关键词，语法层次，词频\位置\扇入值 1.1.2 现有改进方法 提供交互式界面，逐步求精。采用目录或基于反馈信息。效率较低 1.1 语义web的起源（续） 1.1.3 引入语义分析技术 基于本体，对用户的查询请求语句或词组做语义分析，进行必要的扩展和形式化处理。 利用了语句中的语法结构信息和上下文语境信息，并使用逻辑推理技术，提高了查全率和查准率。 1.2 语义web的理论基础（学科） 计算语言学：自然语言处理技术 概率统计模型：利用语境信息和经验值排歧 人工智能技术：知识挖掘、智能推理 1.3 语义web的目标 目标：将面向人的网页、文档、知识转化为 机器可以识别和处理的数据，从而提高查询效果。 原理：将搜索引擎的处理层面由语法层提高 到语义层。 2 语义web技术基础（开发） 本体理论与本体论技术（关键技术） 描述逻辑：逻辑推理 同义词词典：扩展 语料库：标注了的语句或文档集合 训练集与测试集：用于构建统计模型的大型文档集合。 2.1 本体理论与本体论技术 2.1.1 本体定义 本体O由一个4元组构成：O={D, A, R, F}。 D为实体描述符集，它可以是一个客观实体 对象，也可以是一个本体； A是描述D的属性集； R是描述D中各个实体之间相互关联的函数集； F是关于O的一组公理或语义规则。 一个简单本体实例 Ontology Example Concept conceptual entity of the domain Property attribte describing a concept Relation relationship between concepts or properties Axiom coherency description between Concepts / Properties / Relations via logical expressions 2.1.2 本体结构 3 主要研究方法 基于语言学理论的理想主义方法：基于规 则，从本质上探索语言模型和内部联系。在一些简单实例中精确度很高，但对于大规模应用效率很低。 基于统计模型的经验主义方法：基于概率经验值和上下文信息，推断语义。实用性强。 实际应用中上述两种方法相结合。 3.1 基于规则的语义分析方法 切词：主要对汉语。英语主要是去停用词。 词性标注：分析单词之间的语法关系。 短语划分：最关键任务。 浅层句法/语义分析：语义角色标注 深层句法/语义分析：语义层次结构 基于句块的分析：局部分析 语法模板——15种短语结构定义 查询模型模块介绍 语义依存图例 句子：今年他的毕业论文被河南科技大学学报刊登。 语义依存树 句子相似度算法流程 3.2 基于统计模型的研究方法 最大熵模型 隐马尔科夫模型 粗糙集理论 人工神经网络技术 基于统计模型的研究方法 最大熵模型: 隐马尔科夫模型：一个隐马尔可夫模型 (HMM) 是一个五元组：(ΩX , ΩO, A, B, π )其中：ΩX = {q1,...qN}：状态的有限集合，ΩO = {v1,...,vM}：观察值的有限集合，A = {aij}aij = p(Xt+1 = qj |Xt = qi)：转移概率，B = {bik}，bik = p(Ot = vk | Xt = qi)：输出概率π = {πi}， πi = p(X1 = qi)：初始状态分布 粗糙集理论: 粗糙集可以通过粗糙隶属函数 来定义，其中 不可分辨 关系R下元素x属于集合X的程度。 人工神经网络技术 基于描述逻辑的知识推理 3.3 当前研究热点 自动本体生成技术：人工、半自动、自动 基于WordNet的最长匹配算法 短语识别中的语义排歧：统计模型、语境