多源語義知識庫融合方法研究.pdf

1、隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，海量信息充斥著人們的生活。人們對于準(zhǔn)確獲取信息的要求日益提高，僅僅返回與用戶查詢相關(guān)的信息已經(jīng)無法滿足用戶的需求。用戶希望計算機(jī)可以更加“聰明”地“理解”他們的查詢，然后返回他們需要的“知識”，以幫助他們了解某個事物，或者提供知識幫助他們做出決策等等。這一切離不開基于語義知識的語義計算和語義分析的支持，語義知識庫作為自然語言理解的一種基礎(chǔ)資源，其重要性不言而喻。盡管目前已經(jīng)存在有多種語義知識庫，其構(gòu)建方式也多

2、種多樣，但是受限于現(xiàn)有語義知識庫構(gòu)建方式，存在知識庫規(guī)模過小不宜擴(kuò)展，更新不及時，未考慮語義動態(tài)特性，知識表示方式單一，語義標(biāo)注缺乏等問題，使其無法滿足語義計算和語義分析的要求。綜合利用現(xiàn)有多種語義知識資源融合多種語義知識庫，并且提供一種靈活的知識庫創(chuàng)建和更新方式，是解決該問題的有效途徑之一。論文的研究內(nèi)容主要包括以下幾個部分：
　　第一，近年來國內(nèi)外關(guān)于多源語義知識庫融合的研究日漸增多，但是目前仍缺乏一種有效的融合方式，以充分利

3、用現(xiàn)有多種語義知識庫資源，特別是以維基百科、百度百科為代表的在線百科知識庫資源。為解決上述問題，論文首先對多源語義知識庫融合中存在的知識選擇以及知識不一致問題進(jìn)行了分析，針對這些問題，論文選擇中文領(lǐng)域涵蓋廣、更具影響力的百度百科、維基百科中文版、互動百科知識資源作為基礎(chǔ)，結(jié)合知網(wǎng)語義詞典，提出了一種多源語義知識庫融合方法，通過定義統(tǒng)一的“類別-屬性-詞條-屬性值”分層框架，建立“類別-屬性”模板，為多源語義知識庫融合中的知識選擇和知識不

4、一致問題給出了解決方案。
　　第二，在多源語義知識庫融合框架中，“類別-屬性”模板的建立是其中的核心，為了解決多源語義知識庫融合中的“類別-屬性”模板構(gòu)建問題，論文提出了一種基于多過濾器驅(qū)動和分散度統(tǒng)計的百科知識庫類別屬性抽取方法。選擇百科知識庫實例詞條文本中的類別條目標(biāo)簽作為類別屬性抽取數(shù)據(jù)源，通過使用一系列過濾器對目標(biāo)類別原始候選屬性集合進(jìn)行處理，去除候選屬性集合中的噪音、冗余信息，合并組合候選屬性，最后使用候選屬性分散度統(tǒng)計

5、信息對目標(biāo)類別屬性進(jìn)行排序。實驗表明采用多過濾器處理目標(biāo)類別候選屬性以及分散度統(tǒng)計作為排序依據(jù)可以取得較高的類別屬性抽取準(zhǔn)確率。
　　第三，在面向百科知識庫的類別屬性抽取研究中，為了解決目標(biāo)類別屬性集合覆蓋廣度存在的不足，挖掘出類別屬性集合中潛在的具有高語義關(guān)聯(lián)度的屬性，論文提出了一種基于語義關(guān)聯(lián)度挖掘的類別屬性抽取方法，基于容錯粗集理論和語義關(guān)聯(lián)度計算獲取目標(biāo)類別的廣義近似空間來作為目標(biāo)類別屬性集合的上近似。實驗證明了引入NGD

6、計算語義關(guān)聯(lián)度的必要性，同時通過與原有基于分散度統(tǒng)計方法的評測對比，證明了本文方法在保證較高屬性抽取準(zhǔn)確率的同時，能夠發(fā)現(xiàn)類別候選屬性集合排序靠后的具有高語義關(guān)聯(lián)度的潛在類別屬性，從而增加類別屬性覆蓋廣度。
　　第四，為進(jìn)一步探索語義在網(wǎng)絡(luò)信息處理中的作用，論文進(jìn)一步研究了語義關(guān)聯(lián)度在搜索排序算法中的應(yīng)用，一方面在當(dāng)前網(wǎng)站排序算法的基礎(chǔ)上，通過引入網(wǎng)站因素計算鏈接錨文本與網(wǎng)頁本身的語義關(guān)聯(lián)度，進(jìn)而調(diào)整網(wǎng)站間轉(zhuǎn)移概率矩陣，同時統(tǒng)計網(wǎng)