一个优化本体自学习构建模型及其应用.docVIP

一个优化本体自学习构建模型及其应用 　　（北京工业大学 经济与管理学院， 北京 100022） 　　?? 　　摘 要：针对我国出口产品技术性贸易壁垒（TBT）信息获取和搜索的准确性、针对性、及时性的迫切需求，设计了面向TBT电子产品领域的本体自学习构建模型，给出了模型的体系结构，介绍了此框架主要模块的基本功能、实现的关键技术，以及构建中遇到的问题和对策。此模型可使计算机理解提取现有的信息描述方式，半自动化地高效率构建高质量的本体库，具有良好的实用性。将此模型应用于TBT电子产品本体建设领域，并证明此模型具有很好的通用性和可行性。 　　?? 　　关键词：语义网；本体；自学习；技术性贸易壁垒?? 　　中图分类号：TP311 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0168?B04 　　?? 　　Optimized autolearning ontology framework and application 　　JIANG Guorui，ZHAO Liang 　　??( School of Economics Management, Beijing University of Technology, Beijing 100022, China) 　　??Abstract:Aiming at the urgent need in China on the information of the newest dynamic technical barriers to trade (TBT) for timing and exactly，this paper gave a design of an ontology learning for the TBT electronic products domains. It introduced the framework of its architecture, and presented its main function and main implementing techniques, also the solutions to the problems. This framework could make computer semiautomatic extract and reuse text. This architecture could improve the efficiency and quality of ontology. It implemented this strategy in electronic product field and proved its universality and adaptability.?? 　　Key words:semantic Web； ontology； selfstudy； technical barriers to trade(TBT)?お? 　　0 引言?? 　　众所周知，语义网主要依靠本体库来组织数据，这种数据组织方式不但有利于传输，而且机器也能理解，因此本体的构建很大程度上决定了语义网的性能。Thomson等人首次提出了本体自学习概念，即通过自动或半自动的形式从现有知识信息中提取并制作本体。由Velardi等人提出的OntoLearn框架，主要侧重于词义消歧(WSD)，即如何根据本体或语义库发现某一词汇的正确含义，并提出了一种依赖于通用的本体结构的新算法SSI[1]。MopK工作台采用非监督机器学习方法从文本集中归纳出概念层次，该框架突出了聚类技术，并允许本体工程师很方便地实验不同的参数。最近提出的一些新方法和思想，如TextToOnto[2]、EKAW2006[3]、EON2006[4]、OntoLT[5]和OntoAGS[6]。TextToOnto是目前支持ontology自动构建最好的平台之一，虽然它支持术语抽取，但不支持概念学习，也不支持用领域无关文集过滤术语，这使得抽取出的术语不能准确代表其所属领域。此外，TextToOnto学习出的实例和关系不够准确。OntoLT是Protégé(本体图形化制作工具)的插件，它使本体工程和语义分析的关系更加紧密，并且可以从Protégé中提取已被注释过的语义关联关系。OntoAGS 支持从给定的领域文集中抽取术语，并用领域无关文集过滤术语。?? 　　这些方法从不同的角度为自动化构建本体提出了行之有效的解决方案，但在以下几个方面还可以有所改进：a)它们都是依靠一个特定的本体模型，但这个本体模型无法直接转换为其他模式，而本体的自学习工具为了得到广泛的应用必须要支持不同本体模型;b）与机器的自学习能力相比