本体学习及其在语义检索中应用的研究

本体作为共享概念模型的形式化规范说明,具有良好的概念层次结构和语义表达能力,已经引起越来越多国内外专家学者的关注,并在知识工程、语义检索等领域得到广泛应用。然而,现阶段本体研究领域的基础性工作——本体的构建大多还是采用手工的方法,需要耗费大量的人力和时间,甚至需要领域专家的参与,逐渐成为本体发展、推广的一大障碍,因此,通过本体学习来构建本体已经成为一个很有意义的研究方向。 本文对本体学习的方法进行讨论和研究,首先对本体和本体学习的基础知识做了简单的介绍,然后介绍了几种常用的本体学习中概念抽取方法,分析了每种方法的优缺点,在基于Bootstrapping的概念抽取方法的基础上增加了复合词语的提取并改进了词频的统计方式,使之能更加科学的抽取领域概念,同时针对Bootstrapping方法采用统计的方法而忽略了语义对抽取结果的影响这一缺陷进行改进,使用语义相似度来度量概念的相关度,提高了概念抽取的准确率。 另外,本文对本体学习中概念间关系的获取进行了探索,使用概念层次聚类的方法进行分类关系的抽取,对于非分类关系的抽取,本文提出一种关联规则与依存句法分析相结合的方法,通过关联规则算法获取有关系的概念对,对出现概念对的句子进行依存句法分析确定关系的语义标签。 本文的最后实现了一个基于本体的语义检索系统,其中的本体是根据文中介绍的本体学习方法来构建的,系统应用效果也较好地验证了该方法的有效性。