基于海量學術資源的知識元抽取研究.pdf

1、對于海量的學術資源，若是將知識的控制單元由文獻深化到知識元，并把文獻分解為一個個獨立的知識元，這樣會便于知識的存儲與查找，以縮短知識創(chuàng)造的過程。另外，文獻中知識元的鏈接關系可以揭示出相關領域之間的隱性知識，以挖掘出新的知識單元，從而實現知識的增值轉化，加速知識創(chuàng)新的進程。學術資源中知識元的研究，對于推動人類對知識利用及新知識創(chuàng)造的進程有著至關重要的作用。
　　知識元的抽取是其相關研究領域的基礎性工作。目前關于知識元的理論研究還沒有

2、統(tǒng)一的認知，不同知識元研究領域對知識元的模型有不同的定義。另外當前研究證實了文獻之間存在著知識元的隱含關聯，但是要從學術資源中抽取知識元還沒有行之有效的方法，而采用人工操作的工作量太大，實現起來比較困難。雖然有學者已經嘗試著利用計算機自動抽取知識元，但是他們對知識元的認知有些差異，系統(tǒng)的抽取效果也不夠理想，因此不適合用到學術資源的知識元抽取工作當中。本文將基于學術文獻資源，致力于該領域知識元的自動抽取研究工作。
　　本文首先結合數

3、字圖書館學術資源的特征，提出能夠體現其特征的知識元七元組結構模型。為了知識元抽取的全面性，對學術文獻資源進行主題劃分成為不可或缺的工作。針對主題劃分工作，本文引入歸一化割準則用于主題劃分，其中權值矩陣需要準確地反映文本關系圖中各個節(jié)點間的相似程度，它影響著分割準則的分割效果。文中從語義的角度計算節(jié)點間的相似度，完成權值矩陣的構建，并在此基礎上提出基于歸一化割的主題劃分算法，并驗證了該算法在主題劃分中的有效性。
　　然后，本文基于同

4、一領域內的學術文獻資源，提出術語定義句子抽取算法。該算法首先對學術文獻中句子進行硬匹配，生成候選術語定義句庫，然后結合定義隸屬度算法和句子重要度排序算法，進一步提升抽取術語定義句子的準確性。實驗表明本文算法的效果表現良好。
　　接著，將主題劃分算法及術語定義抽取算法融入抽取系統(tǒng)中。首先針對學術文獻資源在規(guī)模上變大的問題，本文借助潛在語義分析模型構建文本關系圖，并用于主題劃分模塊，然后結合術語定義抽取模塊，構建知識元抽取系統(tǒng)，最終完