本體學習及其在語義檢索中應用的研究.pdf_第1頁
已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、本體作為共享概念模型的形式化規(guī)范說明,具有良好的概念層次結構和語義表達能力,已經引起越來越多國內外專家學者的關注,并在知識工程、語義檢索等領域得到廣泛應用。然而,現(xiàn)階段本體研究領域的基礎性工作——本體的構建大多還是采用手工的方法,需要耗費大量的人力和時間,甚至需要領域專家的參與,逐漸成為本體發(fā)展、推廣的一大障礙,因此,通過本體學習來構建本體已經成為一個很有意義的研究方向。
　　 本文對本體學習的方法進行討論和研究,首先對本體和本

2、體學習的基礎知識做了簡單的介紹,然后介紹了幾種常用的本體學習中概念抽取方法,分析了每種方法的優(yōu)缺點,在基于Bootstrapping的概念抽取方法的基礎上增加了復合詞語的提取并改進了詞頻的統(tǒng)計方式,使之能更加科學的抽取領域概念,同時針對Bootstrapping方法采用統(tǒng)計的方法而忽略了語義對抽取結果的影響這一缺陷進行改進,使用語義相似度來度量概念的相關度,提高了概念抽取的準確率。
　　 另外,本文對本體學習中概念間關系的獲取進

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論