ontologylearning(本体).pptVIP

语义web中的本体学习Ontology Learning for the Semantic Web 报告人：李 曼 中国人民大学信息学院 主要内容 研究背景 本体的学习 本体的评价 相关工作 未来的研究方向 1.研究背景 Berners－Lee在2000的XML大会上正式提出了语义web。 语义web是对当前web的扩展。语义web上的信息具有定义良好的含义，使得计算机之间以及人类能够更好的彼此合作。 1.研究背景 语义web采用多层次的表示框架，本体位于从文档描述到知识推理转折的层次，具有重要的地位。本体的构建是实现语义web的关键环节。 1.1 本体 Ontology是共享概念模型的明确的形式化规范说明。 “概念模型”：指Ontology是通过抽象出客观世界中一些现象的相关概念而得到的模型。 “明确”：指Ontology所使用的概念及概念的约束都有明确的定义。 “形式化”：指Ontology是计算机可读的（即能被计算机处理）。 “共享”：指Ontology中体现的是共同认可的知识，反映的是相关领域中公认的概念集（即Ontology针对的是团体而非个体的共识）。 1.1 本体 Ontology的结构是一个五元组 O：= { C, R, Hc,rel,AO} C：概念； R：关系； Hc：概念层次，例如HC（C1，C2）； rel：概念间的关系， 例如，rel（R）＝（C1，C2）； AO：用某种逻辑语言表示的一组本体公理。 1.2 本体的应用 语义web 1.2 本体的应用 问题 ：XML在处理语义上存在两个问题 1同义词； 2一词多义 解决：引入本体 本体通过对概念和概念间关系的严格定义来确定概念的精确含义，表示共同认可的、可共享的知识。 对于本体来说，Author，Creator是同一个概念，而Doctor在大学和医院分别表示的是两个概念。因此，在语义web中，本体是解决语义层次上web信息共享和交换的基础。 1.2 本体的应用 自然语言理解 全面的理解自然语言需要整合大量的知识源。以本体形式表示的领域知识是深入理解文本的基础。目前在基于本体的信息抽取方面已有一些研究成果。 知识管理 知识管理主要是处理一个组织中知识的获取、维护和访问。其中，本体可以用于对无结构信息进行语义标注，从而使得信息的整合和访问更容易。 1.2 本体的应用 电子商务 在电子商务中，交易的自动化要求对商品进行形式化描述，因此，需要一个标准化的词汇表——本体。本体有助于对内容意义的精确、高效通信，同时促使系统的交互式操作、重用和共享等一系列的性能得以提高。 1.2 本体的应用 从上述应用可以看出，这些应用领域的一个共同需求是共享某个领域内的知识。而提供共享概念模型的明确的形式化规范说明正是本体的主要目标。所以，这些领域的许多难题都能够通过使用本体来解决。 1.3 本体的构建 手工：费时费力，容易出错 全自动：适用性不强 半自动：可行，其核心技术是本体的学习——利用知识发现技术从数据源中获取知识 2. 本体学习 2.1 本体学习周期 2.2 本体学习框架 2.3 数据的导入和处理技术 2.4 本体学习算法 2. 本体学习 2.1 本体学习周期 2.2 本体学习框架 2.3 数据的导入和处理技术 2.4 本体学习算法 2.1 本体学习周期 （导入/重用、抽取、修剪和精练） 2.1 本体学习周期 导入和重用阶段 该阶段可以作为整个本体学习过程的开始。主要步骤： 选择有关的本体，并定义导入策略。例如，定义一个本体包装器（wrapper），支持从一种本体描述语言转换为另一种语言。 合并导入的概念结构，作为其它阶段的基础。 2.1 本体学习周期 抽取阶段 利用导入的本体，抽取出新的知识。在这个阶段，本体学习技术部分依赖于给定的本体部分，所以，当本体被修订过一次后又会引起新的抽取结果，这是一个反复增长的模型。 2.1 本体学习周期 修剪阶段 本体结构的修剪可以使本体适应给定的应用。 该阶段需要考虑两个方面： 对本体中某个特殊部分的修剪将如何影响整个本体——用户驱动 保留或修剪本体元素的策略 ——应用驱动 2.1 本体学习周期 精练阶段 利用给定的领域本体，以更细的粒度完善本体 。 精练和抽取具有类似的功能。原则上，同样的算法既可以用于抽取也可以用于精练。抽取主