结合对数似然比的领域本体概念和关系的提取-计算机工程与应用.PDFVIP

148 2013 ，49 （6 ） Computer Engineering and Applications 计算机工程与应用 结合对数似然比的领域本体概念和关系的提取 张玉芳，舒万里，熊忠阳 ZHANG Yufang, SHU Wanli, XIONG Zhongyang 重庆大学 计算机学院，重庆 400044 College of Computer Science, Chongqing University, Chongqing 400044, China ZHANG Yufang, SHU Wanli, XIONG Zhongyang. Domain ontology concept and relation extraction using log-likelihood ratio. Computer Engineering and Applications, 2013, 49 （6 ）：148-151. Abstract ：Ontology learning has become a hot research in the field of computer. Ontology learning currently focuses on concept extraction and conceptual relation extraction. Concerning the poor accuracy of existing learning methods, a new learning method based on Log-Likelihood Ratio （LLR ）is proposed. In this way, the concepts and concept pairs can be extracted from Chinese text for estimating the significance of concepts and conceptual relations. The experimental results show that the method can effec- tively improve the performance of concept extraction and relation extraction. Key words ：ontology learning; concept extraction; relation extraction; Log-Likelihood Ratio（LLR ） 摘 要：本体学习已成为计算机领域的一个研究热点，目前本体学习的研究重点在于概念及关系的提取。针对现有学习 方法准确率不高，提出一种结合对数似然比（Log-Likelihood Ratio ，LLR ）的本体学习方法，采用对数似然比计算概念与领 域及概念与概念之间的相关性，将其应用到概念与关系提取中。实验结果表明，结合对数似然比的学习方法能够有效改 进概念和关系提取的准确度。 关键词：本体学习；概念提取；关系提取；对数似然比 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1108-0112 对于本体的研究在计算机科学领域越来越广泛，本体 关系对，然后采用对数似然比，计算概念间的相关性，过滤 学习技术已成为计算机科学领域的一个研究热点。本体 掉冗余关系对，提高关系提取的准确度。 学习目前的主要研究在于对概念以及关系的获取，对于公 理提取的实质性研究比较少。国外在该方向的研究很活 1 研究基础 跃，虽然提出了很多本体学习方法，但这些方法难以被其 1.1 本体学习 他系统重用，而国内针对中文环境下本体学习的研究也较 本体的概念最初源自于本体论中，近年来随着本体论 多，但由于中文语法的复杂性，并没有获得令人满意的学 的成熟，本体被广泛应用于信息技术、人工智能、知识工 [1] 习效果 。 程、知识管理、信息检索等领域，特别是语义Web 的产生，