基于Web信息使用改进的无监督关系抽取方法构建交通本体①.PDF

2015 年 第 24 卷 第 12 期 计 算 机 系 统 应 用 基于 Web 信息使用改进的无监督关系抽取方法构 建交通本体① 马 超 (复旦大学 计算机科学技术学院, 上海 201203) 摘 要: 领域本体是对领域概念及其关系的一种高效合理的展现形式. 在构建领域本体过程中, 常常遇到的问题 就是尽管本体概念完备但概念间关系复杂多样导致人工标记关系代价过高. 使用无监督学习的关系抽取算法对 包含丰富的领域概念的 web 信息进行抽取解决了这一问题. 然而, 传统的无监督学习的算法没有考虑到“单样例 多概念对”的问题, 导致最终抽取的概念关系不完整. 本文利用交通领域的 Web 信息构建本体, 将样例概念关系 对权重引入传统的无监督学习方法 Kmeans 中, 解决了此项问题并通过实验证明该算法取得了良好的效果. 关键词: 关系抽取; 本体; 无监督学习; 样例概念关系对权重 Using Improved Unsupervised Relation Extraction Method to Construct Traffic Ontology Based on Web MA Chao (School of Computer Science, Fudan University, Shanghai 201203, China) Abstract: Domain ontology is an efficient and reasonable display form of domain concepts and their relationships. In the process of building domain ontology, the problem often encountered is that ontology concept is complete but concept relations are complex and diverse and artificial tag cost too much. Using unsupervised Relation Extraction algorithm on rich Web information related with domain Ontology concepts solve previous problem. But the traditional method based on unsupervised learning does not take into account the situation of a single sample with more concepts, leading to the final incomplete results. We used Web information in trafffic field to construct ontology, introduced the weight of sample concept relation pair to a traditional unsupervised learning approach-Kmeans to solve this problem and achieved good results through experiments. Key words: relation extraction; ontology; unsupervised learning; sample concept relation pair weight 本体(Ontology)作为一个哲学概念在人工智能、信 或半自主学习概念间关系的方法变得尤为迫切. 息系统领域被 Gruber 定义为“概念化的明确的规范说 国内外对于自主学习或半自主学习的关系抽取的 明”[1]. 本体的种类多种多样, 包含尝试本体、高层本 研究已经有一定的积累. 可以分为有监督、半监督和 体、领域本体、术语本体、形式本体等. 其中作为专 无监督三个方向. 有监督的学习算法将关系