一种多策略的中文领域本体概念抽取方法.pdf

第 22卷 第 1期 西 安 邮 电 大 学 学 报 Vo1．22 No．1 2017年 1月 JOURNALOFXI’AN UNIVERSITY OFPOSTSANDTELECOMMUNICAT10NS Jan．2017 doi：10．13682／j．issn．2095—6533．2017．01．018 一 种多策略的中文领域本体概念抽取方法 翟社平 ，马蒙雨，马传宾，高 山，郭 琳 (西安邮 电大学 计算机学院，陕西 西安 710121) 摘 要 ：为 了提高中文领域本体概念抽取的准确率和召回率 ，提 出一种多策略的中文领域本体概念抽取方法 。该方 法使用模式匹配法改进原有的单字合并法 ，经词性过滤和缺陷检测筛选 出概念集组成用户词典，并送入概念抽取系 统进行二次分词获得候选概念集；利用词频一逆向文本频率 (TFIDF)方法和信息熵融合得到TFIDFE方法，计算概念 权重以获得领域概念集 。实验结果表 明，该方法在领域术语抽取的准确率、召回率和 F值上均有较好 的效果 。 关键词：本体学习；概念学习；单字合并法；TFIDFE信息熵 中图分类号 ：TP391．1 文献标识码 ：A 文章编号 ：2095—6533(2017)01—0094—05 A multi-。strategyChinesedomain ontologyconcept extraction method ZHAISheping，MA M engyu，MA Chuanbin，GaoShan，GuoLin (SchoolofComputerScienceandTechnology，Xi’anUniversityofPostsandTelecommunications，Xi’an710121，China) Abstract：In orderto improve theprecision andrecallrateofChinese domain ontology concept extraction，amulti—strategyChinesedomainontologyconceptextractionmethodisproposed inthis paper．Inthismethod，themethodofpatternmatchingisusedto improvetheoriginalCharacter CombineM ethod．A userdictionary iscomposedafterscreeningconceptsetwithwordfilterand defectdetection，and then fedinto thesystem forthesecondwordsegmentation to getcandidate conceptset．Fused from theTFIDFmethodandinformationentropy，theTFIDFE method isused tocalculatetheconceptofweighttoobtainthedomainconceptset．Experimentalresultsshow that theproposedmethodhasagoodeffectontheaccuracy，recallandFvalueofdomainterm extraction． Keywords：ontologylearning，conceptlearning，CharacterCombineMethod(CCM)，TFIDF，entropy 纯文本是 Web上数 目庞大但非结构化的数据 利用 N—V—N(名词一动词一名词)关系将单层的空 源 ，隐含 了大量以前未知的、潜在有用的信息，是本 间向量模型 (vectorspacemodel，VSM)映射成两层 体学习(ontologylearning，OL)重点研究的数据对