基于文献的语义资源库构建及其应用

• 作 者: 张铧予
• 机 构: 北京大学
• 出 处: 北京大学
• 发表日期: 2011年期
• 关键词: 语义知识 资源库 信息检索 服务质量

文献中蕴含着极其丰富的信息与知识，随着科技社会的不断发展，各类文献资源迅速增长。面对这些海量文献信息资源，如何挖掘其中的知识，组织潜藏着的丰富的语义资源及语义关系，同时利用它们去提高现有的文本信息处理技术已经变得越来越重要了。　　目前计算机需要依赖大量的一般意义或专门领域的知识来实现基于语义知识的智能化信息处理。而这些语义知识的获取最常见的是通过人工方法对语义知识进行总结，形成知识库。但是人工构建知识库投入量大，且无法跟上信息资源、新知识和新概念的增长速度。这就需要基于大规模真实文本语料的语义分析及语义知识获取来克服这些困难。本文以NSTL(国家科技图书文献中心，National Science and Technology Library)作为实验平台，研究目的在于利用现有的文献资源，通过一定的技术手段与组织方式获取其中的语义知识和语义关系，构建语义资源库，并将其应用于NSTL系统中，以提高其信息检索的服务质量。　　本文首先回顾了知识库和信息检索方面的研究现状，然后从技术角度探讨了与本文研究相关的一些技术与方法，如汉语分词，知识库的结构与构建，概念匹配与相似度计算等。在汉语分词方面，本文利用信息熵来判断成词的条件，识别出文献中的复合词，从而改进现有的开源分词工具，提高分词的准确率。在知识库的构建方面，本文重点分析了目前比较经典的知识库结构，并结合应用的实际情况，挖掘文献中词汇的层次等级关系和共现相关关系，提出相应的语义资源库的结构模型。同时以近几年计算机类核心期刊中的文献为语料，实现语义资源库的构建。　　最后本文将构建的语义资源库应用到NSTL系统中，实现相关检索结果的推荐，以方便用户对检索结果的浏览，并提高用户对检索结果的理解。同时通过实验，验证语义资源库的实用性与有效性。