面向領域文檔的自動語義標注方法研究.pdf

1、信息時代萬維網已經成為人類獲取信息的主要渠道之一，在人們的日常生活、工作學習、商業(yè)科研等社會生活中扮演著日益重要的角色。與此同時，網頁數量呈指數級的飛速增長，而當前萬維網實際上只是一種面向人的存儲和共享信息的媒介，缺乏語義互操作性，機器無法智能完成從海量信息中快速、準確地定位到所需信息。為此，Tim Berners-Lee提出了語義Web；語義Web是智能網絡，它脫胎于萬維網；萬維網面向的是文檔，而語義Web面向的則是文檔所表示的數據；

2、通過給萬維網上的文檔添加機器可以理解的語義，從而使整個萬維網成為一個通用的信息交換媒介。對當前Web中呈無結構和半結構的信息添加語義信息，將Web的狀態(tài)從機器可讀提高到機器可理解就是語義標注的主要研究內容；語義標注是語義Web實現的基石。
　　 現有語義標注系統(tǒng)還存在以下一些問題：標注系統(tǒng)一般對通用概念進行標注，不能根據不同領域知識的特點進行有效標注；手動、半自動的標注或多或少都需要人工干預，不利于大規(guī)模應用；而自動化的語義標注

3、準確率還有待提高。另外，當前語義標注系統(tǒng)幾乎都只面向英文文檔進行標注，中文文檔的語義標注系統(tǒng)寥寥無幾。
　　 本文介紹和分析了語義Web、本體以及語義標注技術的現狀，并著重研究了如何應用語義相似度的方法實現領域文檔自動語義標注的問題。本文的主要工作和特色如下：
　　 ①針對現有標注系統(tǒng)對領域文檔標注的不足和缺陷，本文基于領域本體引入了對命名實體進行語法和語義分析的思想，提出了結合維基語義相似度和編輯距離的標注方法。該標注