基于本体的信息抽取研究

信息抽取研究旨在为人们提供更有力的信息获取工具,以应对信息爆炸带来的严重挑战。本体作为对领域知识的共同理解,能有效地解决现在信息抽取所面对的主要挑战——知识工程的瓶颈问题。 本文采用自顶向下的方法,根据三层本体框架结构来构建本文的本体——大学教授简历本体(PCV),将本体中的概念分为事件概念和扩展概念两部分。在这个过程中,通过手工收集和基于WordNet的语义相似度计算相结合的方法,获得本体内概念的实例,构建了一个较完备的概念、关系和实例相结合的本体库。 本文提出了一种基于本体和分类的信息抽取方式,在具体的抽取过程中,利用到本体中的概念、关系和实例,由本体中的元素确定待抽取的内容。首先在预处理过程中引入本体中的特殊概念及其实例,将文档中的特殊实例标注出来。接着采用分层的方法对文档进行抽取,根据待处理文本的特征,先对待抽取文档中的句子进行分类,确定句子的事件类别,句子分类的类别标准来源于本体中的事件概念。结合已确定的句子事件类别,可以得出与事件概念相关的扩展概念和属性,制定抽取模板,最后根据预处理中标注的结果直接提取模板中的待抽取的实体。实验表明该方法有较好的抽取性能。 本文根据本体中的概念和关系决定待抽取的对象,本体的引入既保证了结构的一致性,又保证了数据的一致性。另外,本文将抽取问题转化为分类问题,能很大程度减少用户标记训练数据集的工作量。实验表明该方法有较好的抽取性能。