基于知识库的渔业领域本体学习算法-大连海洋大学.pdfVIP

第26卷第2期 大 连 海 洋 大 学 学 报 Vol.26 No.2 20 1 1 年4 月 JOURNAL OF DALIAN OCEAN UNIVERSITY Apr . 2011 文章编号:2095-1388(2011)02-0168-05 基于知识库的渔业领域本体学习算法 于红, 刘溪婧 (大连海洋大学 信息工程学院, 辽宁 大连 116023) 摘要:分析了现有本体学习方法的基本思想及其应用于渔业领域本体学习的局限性, 结合渔业领域概念的 特点, 提出了一种基于知识库的渔业领域本体学习算法, 给出了算法的详细描述, 并用实验验证了算法的 性能。 结果表明, 该算法的召回率较高, 但准确率稍低一些。 关键词:知识库; 本体学习; 渔业本体 中图分类号: TP311郾133摇 摇 摇 摇 文献标志码: A 摇 摇 作为一种知识表示方式, 本体被广泛应用于领 组从关系模型到本体的映射规则。 基于这些规则能 域搜索引擎、 语义 Web、 智能信息集成和知识管 够直接得到一个候选本体, 然后进一步对该候选本 [1] [5] 理等领域 。 在建立渔业搜索引擎过程中, 渔业 体进行评价和精炼, 生成最终的本体。 Astrova 提 领域本体对提高搜索引擎的查全率和查准率起到重 出, 由于HTML表格是Web 上用户和数据库交互 要的作用。 然而领域知识并不是一成不变的, 它会 最常用的界面, 所以在无法获得数据库模式信息的 随着时间的推移而不断变化, 因此最初建立的本体 情况下, 可以通过分析这些 HTML 表格的结构和 [2] 库需要不断更新 。 初始的渔业领域本体库是在 数据来获取关系数据库的语义, 从而构建本体。 高 [6] 综合了若干渔业领域专家的意见之后采用手工方式 军等 提出了一种基于Ontology 的半自动Web 内 建立的。 用手工方式建立和更新本体是一项庞杂而 容精确二阶段提取的方法, 在提取过程中利用上下 乏味的工作, 而本体的更新则是一个连续的工作。 文无关文法来表示并提取 HTML 节点内部数据, 用手工方式更新渔业领域本体需要不断地与渔业领 使得数据提取的粒度更小, 提取精度更高, 是一种 [7] 域专家沟通, 在实际应用中有一定困难, 因此, 渔 有监督自学习的方法。 方卫东等 为获取领域本 业领域本体的更新成为渔业领域本体应用的瓶颈。 体并量化概念关系的可信度, 提出了一种基于 要想解决这一瓶颈, 就必须研究渔业领域本体学习 Web 挖掘的学习模型。 通过可扩展的模式集和分 算法, 采用自动或半自动的方法对渔业领域本体库 布语义模型获取本体主干, 使用关联规则发现概念 进行更新, 这对促进渔业领域本体的应用有着非常 间的一般关系, 对候选本体进行修剪和合并。 模式 重要的意义。 可信度、 概念语义距离与关联特征决定了概念间关 本研究中, 作者通过对基于知识库的渔业领域 系的可信