基于Text2Onto的中文本體學習技術研究.pdf

1、隨著新一代互聯網——語義Web——研究的不斷深入，本體(ontology)正在成為人工智能和知識工程中一種重要的工具，在知識的獲取、表示、分析和應用等方面具有重要的意義。本體的手工構建是一項繁瑣而辛苦的任務，極易導致知識獲取的瓶頸。因此，Web本體的可獲取性已被學術界公認為是制約語義Web成功的巨大挑戰(zhàn)之一，能否減低本體構建成本，實現本體的半自動自動構建逐漸成為本體研究的一個關鍵問題。從現有信息源，包括文本、詞典、遺留知識庫、WWW文檔

2、等，獲取領域知識、以自動方式構建或擴充本體，即所謂的本體學習(OntologyLearning)，是開發(fā)本體的有效途徑。 相應的，對于語義Web在中國的推廣和應用而言，中文本體的獲取是非常重要的。如何從現有的各領域的大量中文文獻中獲取本體，同時提高所得本體的質量使其能被有效利用，成為語義Web在中文環(huán)境下推廣的一個重要課題。 本文在Text20nto框架下，針對中文的特點及中西文之間的差別圍繞中文本體的獲取技術展開了討論

3、和研究，其中利用了ICTCLAS分詞工具。首先我們介紹了Text20nto的優(yōu)點、系統架構，工作原理及關鍵的算法。然后針對中文本體學習這一領域存在的問題提出了基于Text20nto的中文本體學習技術框架，并對這個框架下的幾個關鍵的技術問題，包括中文語料預處理、術語概念抽取、語義關系抽取，分別作了更為詳細的介紹，給出了中文術語概念抽取及過濾的具體算法。最后，分析了現有本體學習系統的體系結構，在Text20nto的基礎上整合了中文分詞，加入