基于本体和语义距离DBpedia领域知识抽取方法.docVIP

基于本体和语义距离DBpedia领域知识抽取方法 　　摘 要： 关联开放数据（LOD）中蕴藏着大量不同领域的知识，但是目前抽取其中特定领域知识的方法大多需要人工参与。为了能自动地抽取领域知识，提出根据领域本体抽取DBpedia中特定领域知识的方法。使用领域本体、Wikipedia和主题提取算法获得用于抽取领域知识的种子关键词集。在直接链接子图语义距离算法中，添加能够代表边指向性权值的参数，用于领域知识的抽取，并基于本体和字符串相似度比较的筛选策略对抽取的知识进行筛选。通过实验表明，该方法不仅能够获得较好的抽取效果，而且不需要人为地挑选关键词和参与筛选过程，极大地节省了时间和精力。 　　关键词： DBpedia； 领域本体； 直接链接子图语义距离算法； 知识抽取； 抽取策略； 筛选 　　中图分类号： TN911.1?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）13?0128?05 　　Abstract： The linked open data （LOD） contains huge amounts of different domain knowledge， and most of the approaches to extract the specific domain knowledge require manual intervention. A method of extracting domain specific knowledge from DBpedia based on domain ontology is proposed to extract the domain knowledge automatically. The domain ontology， Wikipedia and topic extraction algorithm are used to obtain the seed keyword set for domain knowledge extraction. The parameter representing the side?directivity weight is added into the direct linked subgraph semantic distance algorithm to extract the domain knowledge. The screening scheme based on ontology and character string similarity comparison is used to screen the extracted knowledge. The experiment results show that the proposed method can obtain perfect extraction performance， and needn′t select keywords or perform manual participation in the screening process artificially， which can greatly save people′s time and effort. 　　Keywords： DBpedia； domain ontology； direct linked subgraph semantic distance algorithm； knowledge extraction； extraction scheme； screening 0 引 言 　　?S着科技的发展，关联开放数据（LOD）中的数据呈爆炸式增长，如DBpedia[1]，Yago[2]等。这为语义网领域提供了大量可用数据，并且推动了本体技术的快速发展。但是正因为LOD中数据的不断增加，这在为使用者提供强大数据来源的同时，也使得从中抽取特定领域数据变得困难。目前，针对从LOD中抽取领域数据的方式[3?4]大多相似，基本采用人工指定关键词或者人为筛选关键词作为抽取LOD知识的入口，并设计抽取策略或算法对LOD中的特定领域知识进行抽取。但是这些抽取领域知识的方式容易受到关键词的影响，人为指定的关键词直接决定了该抽取策略的最后结果。并且使用者不仅需要对该领域知识有一定的了解，而且还需要进行多次实验来确定关键词集，从而耗费大量的时间和精力。同时，随着本体技术的高速发展，各个领域的本体也迅速出现，如金属材料领域的STSM[5]，睡眠医学领域的SDO[6]等。由于领域本体中基本都包含着相应领域的大部分知识，所以本文根据领域本体提取用于抽取领域知识的种子关