论文部分内容阅读
近年来，由于计算机和互联网的高速发展，信息资源呈现出爆炸式增长，数量上越来越丰富，但同时也给知识获取增加了难度。如何能够对信息进行有效的组织和管理，使之转化为知识，成为知识获取的瓶颈问题。本体是一种能在语义层次上描述知识的概念模型，其目的在于以一种通用的方式来获取领域中的知识，提供对领域中概念的共同一致的理解，从而实现知识在不同的应用系统之间的共享和重利用。
早期的Ontology的构建工作是通过人工完成的，耗费大量的人力、物力和财力，时间周期也很长，在很大程度上影响了Ontology的应用。近30年来，研究人员将精力集中在Ontology的自动、半自动构建上，取得了很多的成果。
本文的研究重点在于本体自动构建任务中的两个基本问题：本体的概念学习和本体的层级结构生成。
在本体的概念学习方面，本文提出一种基于互联网的本体属性值自动提取方法。首先提出了一种在小规模属性值种子集的基础上，将包含属性值的句子选择与属性值提取进行互动的方法。利用互联网信息的冗余性，自动抽取并扩充目标属性值集合；进一步，为避免人工构造属性值种子集，又提出了种子集自动生成的方法。
在本体的层级结构生成方面，本文提出了一种基于FCA的本体层级结构自动生成方法，利用该方法可以实现从概念列表到概念层级结构的自动化构建过程。在该方法中，我们限定特征空间为概念的属性值集合，并通过属性值提取实现特征选择。基于规则构建初始本体，并通过其中上下位关系的相似度计算来实现特征评估，最后通过综合属性概率和属性值概率实现概念间的相似度计算。
作为以上两个问题的融合，本文又提出了一种基于互联网的概念学习和层级关系提取一体化的方法，将概念属性值的提取结果用于评估层级关系，反之，将层级关系提取结果用于扩充概念的属性值；并通过权重传递使不准确因素进行快速衰减，以保证结果的准确性。实验证明，这种方法对于概念学习和层级结构提取的性能都不同程度上有所提高。
本文将上述关键技术集成到中文本体构建平台中，该平台基于国外开源本体编辑平台Protege，本文在其基础上实现了概念学习与层级结构自动生成的功能，并提出了关于中文本体构建平台的进一步设想——基于NLP的本体自动构建流水线工作平台。