论文部分内容阅读
信息技术的快速发展的结果是信息呈爆炸式的增长，信息泛滥与知识相对匮乏的矛盾日益突出，如何从多篇文本中抽取出用户感兴趣的知识，是知识抽取的研究目标，也是现在出版业所面临的商机，快速准确。的满足用户需求，不仅可以让数字出版企业走向知识服务，同时也能帮助传统出版商更加平稳的向数字出版转变。 文中首先给出了知识抽取和重组研究的背景和国内外研究现状，明确抽取的对象是非结构化的科技文献，抽取的目标是需要在非结构化的文本中抽取知识，这一过程会涉及到大量自然语言处理的相关方法。然后总结了研究中所运用到的相关知识和关键技术，包括自然语言处理、中文分词、关键词抽取和全文检索等，作为本文的理论基础。在此基础之上，文章结合课题中提出的科技出版的XML标准技术，设计了一种基于XML的知识抽取与知识重组模型，主要包括四大模块，文本解析模块，预处理模块，关键词抽取模块和知识抽取与重组模块。文本解析模块主要完成XML文档的解析，读取出文本;预处理模块主要完成中文分词、词性标注等工作;关键词抽取模块是完成文本关键词的抽取，作为用户检索时的推荐词;最后是知识抽取与知识重组模块，该部分主要完成基于Lucene和XML技术的知识检索、抽取和重组，抽取结果是以段落为单位的进行组织的，最后，对抽取结果按照课题中的科技文献出版标准规范标签化，重新组合成为一个简洁的、只包含知识片段的新的XML文档。 本文旨在从数字出版的角度出发，提出一种基于内容的知识抽取与知识重组的方法模型，并设计了原型系统。将复杂的文本删繁就简，不仅可以帮助读者节省大量的阅读成本，同时使得出版业对外提供知识服务成为可能。