基于維基百科的知識(shí)抽取和重用.pdf

1、隨著互聯(lián)網(wǎng)2.0的興起，利用集體智慧的協(xié)作式編輯系統(tǒng)被廣泛地用于知識(shí)管理中。維基系統(tǒng)就是這樣一個(gè)例子，其中維基百科就是流行的一種維基系統(tǒng)。維基百科是目前最大的免費(fèi)在線百科全書，它是由廣大的志愿者來共同編輯的。維基百科具備以下作為一個(gè)潛在的語義數(shù)據(jù)源的特征：廣泛的知識(shí)覆蓋面、明確定義的結(jié)構(gòu)化信息和隨著世界知識(shí)變遷而變遷動(dòng)態(tài)更新的特點(diǎn)。語義維基是對(duì)維基的一種擴(kuò)展，利用語義萬維網(wǎng)的技術(shù)對(duì)維基元素增加顯示的語義。 然而，盡管這種自由的、

2、協(xié)作式的編輯方式促成了維基百科的成功，但是這同時(shí)也帶來了一些問題。尤其地，它會(huì)導(dǎo)致大量的標(biāo)注缺失和噪音標(biāo)注的問題，這會(huì)影響到文章的內(nèi)容質(zhì)量和妨礙術(shù)語的收斂。當(dāng)前，低質(zhì)量的標(biāo)注不得不由一小批專家去修改，這也成為了一種效率的瓶頸。 同時(shí)，這些專家也是做了大部分編輯工作的最活躍的貢獻(xiàn)者，對(duì)他們而言，這無非是一個(gè)巨大的負(fù)擔(dān)。語義維基百科也面臨同樣的問題：缺少標(biāo)注的語義和語義標(biāo)注者。特別地，對(duì)一個(gè)普通用戶來說，要編輯一個(gè)高質(zhì)量的維基百科文

3、章，必須處理好當(dāng)前編輯的文章與系統(tǒng)現(xiàn)有的文檔集的關(guān)系。這就要求用戶對(duì)系統(tǒng)文檔集以及其包含的知識(shí)有一定的了解，在編輯語義維基時(shí)還要理解其潛在的語義技術(shù)。他們要面臨以下一些問題： 1) 什么時(shí)候有必要提供一個(gè)超鏈接指向一個(gè)被引用的實(shí)體？如何正確定位到它？ 2) 可以用哪些類別標(biāo)簽來恰當(dāng)?shù)貥?biāo)識(shí)這篇文章？ 3) 可以用什么信息盒模板來描述文章主題對(duì)象的屬性？ 4) 在編輯語義維基百科的時(shí)候，實(shí)體之間是否有潛在的語

4、義關(guān)系？ 如果存在，則應(yīng)該用什么謂詞來標(biāo)注關(guān)系的類型？ 在本課題中，試圖通過知識(shí)抽取與知識(shí)重用來幫助用戶回答以上這些問題。知識(shí)抽取是知識(shí)重用的前提和依據(jù)，而知識(shí)重用是知識(shí)抽?取的目的。受到協(xié)同過濾的思想的啟發(fā)：根據(jù)相似用戶的評(píng)價(jià)行為來產(chǎn)生對(duì)當(dāng)前用戶的推薦。類似地，通過標(biāo)注推薦的方式來實(shí)現(xiàn)知識(shí)重用。為了達(dá)到這個(gè)目的，首先要從當(dāng)前維基百科中的標(biāo)注的數(shù)據(jù)集中抽取有用的知識(shí)作為作推薦的依據(jù)或背景知識(shí)，這些知識(shí)是結(jié)構(gòu)化或半結(jié)構(gòu)化的

5、實(shí)體語義特征，包括：實(shí)體的術(shù)語詞典、實(shí)體的類型、實(shí)體之間的關(guān)系特征等。還將提出一個(gè)統(tǒng)一的標(biāo)注推薦算法框架來重用所抽取的知識(shí)，并將這個(gè)知識(shí)重用方案應(yīng)用到當(dāng)前的維基百科的編輯中去。將展示原形系統(tǒng)EachWiki，它對(duì)維基百科提供了以下的推薦服務(wù)：鏈接推薦、類別推薦、信息盒推薦、以及關(guān)系推薦，通過這種方式，使得用戶在編輯維基百科時(shí)可以充分利用集體的智慧。這些推薦服務(wù)不但可以便利用戶編輯高質(zhì)量的維基百科知識(shí)，還可以幫助構(gòu)筑語義維基百科。最后，通