面向本體學(xué)習(xí)的動態(tài)語料庫構(gòu)建方法.pdf

1、隨著信息技術(shù)的高速發(fā)展，信息資源的規(guī)模愈發(fā)龐人，導(dǎo)致管理難度大大增加，因此需要采用有效的知識管理方法來處理海量信息。由于本體提供了對領(lǐng)域知識的共同理解，確定了該領(lǐng)域內(nèi)共同認可的術(shù)語，并定義了術(shù)語之間的關(guān)系，所以,可以利用這些特點把本體運用到知識管理中。 采用本體技術(shù)進行知識管理存在著知識獲取瓶頸的問題，因此需要采用自動或半自動的方法(本體學(xué)習(xí))來構(gòu)建本體。本文構(gòu)建的語料庫以Web頁面為主且和時間相關(guān)，所以稱為動態(tài)語料庫，可用于動

2、態(tài)本體學(xué)習(xí)。本文主要取得了以下一些研究成累。 1)設(shè)計了候選語料的獲取與增量式更新方法。該方法應(yīng)用于本文實現(xiàn)的小型爬蟲系統(tǒng)。增量式網(wǎng)頁更新方法解決了語料庫初次構(gòu)建而后續(xù)更新效率低的問題，該爬蟲系統(tǒng)能以較高的效率獲取新增網(wǎng)頁。 2)提出了一種領(lǐng)域主題向量的生成方法，為語料庫特征向量的生成提供支持。該方法基于少量和領(lǐng)域高度相關(guān)的網(wǎng)頁，利用詞的代表度從網(wǎng)頁集合中選擇一部分詞構(gòu)建領(lǐng)域特征向量。相比于已有的特征選擇方法，本文的方法

3、在基于網(wǎng)絡(luò)的開放環(huán)境、無法提供足夠數(shù)量的分類學(xué)習(xí)數(shù)據(jù)時仍可取得較好的結(jié)果，為在無分類信息的訓(xùn)練集合中進行特征選擇提供了一條新的途徑。 3)提山了ReleRank算法，它綜合利用了網(wǎng)頁標(biāo)題、止文內(nèi)容、結(jié)構(gòu)信息、超鏈接關(guān)系和錨文本等網(wǎng)頁基本信息，來計算每個網(wǎng)頁與領(lǐng)域相關(guān)的概率，以這個概率值作為該網(wǎng)頁與領(lǐng)域相關(guān)程度的刻劃。 4)構(gòu)建了一個小型的人工智能領(lǐng)域的動態(tài)語料庫。通過運行本文設(shè)計的系統(tǒng)，并利用本文提出的Web頁面分類方法