【摘要】：隨著網(wǎng)絡技術(shù)的發(fā)展和社會信息化程度的不斷提高,人們在工作、學習、生活等各方面對信息系統(tǒng)的智能化和知識化的需求日益增加,使得數(shù)據(jù)的表示不僅僅停留在語法層面,更需要聚焦在語義層面。本體作為一種能夠在語義知識層面上描述數(shù)據(jù)與信息的概念模型,為解決語義層面的理解與溝通的問題提供了有效的途徑。目前,本體構(gòu)建存在兩種方式：一種方式是通過本體構(gòu)建工具進行手工構(gòu)建本體；另一種方式是通過本體學習方法進行自動或半自動構(gòu)建本體。隨著網(wǎng)絡大數(shù)據(jù)時代到來,通過本體學習方法構(gòu)建本體的方式日益重要�，F(xiàn)有的本體學習方法基本上是根據(jù)不同數(shù)據(jù)源類型決定采用不同的本體學習方法。然而,面對互聯(lián)網(wǎng)上復雜的數(shù)據(jù)源中龐大的數(shù)據(jù)信息,如何從復雜、異構(gòu)的數(shù)據(jù)源中采用通用的本體學習方法,構(gòu)建與豐富本體知識,從而提高本體學習的適應性和自動化程度是現(xiàn)在需要解決的問題。針對上述問題,本文模擬人類學習思維方式,提出基于粒計算的通用本體學習體系框架和學習方法。該框架是基于明確的本體學習任務層次,自下而上進行本體的概念、分類關(guān)系、術(shù)語、非分類關(guān)系和規(guī)則的學習。同時,該方法是從領(lǐng)域具體實例對象集合中抽取概念和分類關(guān)系,從而構(gòu)建本體的概念粒度空間,為本體學習的后續(xù)任務提供了一定基礎；由于將前期異構(gòu)的數(shù)據(jù)源中抽取的數(shù)據(jù),預處理為本體學習的信息輸入系統(tǒng),所以在本體學習方法的通用性上有了較大的提高。本文將所提出的本體學習方法應用于人物領(lǐng)域的本體學習中,從而可以得到人物領(lǐng)域本體；同時,將人物領(lǐng)域本體與搜索引擎相結(jié)合,不僅可以提高人物信息搜索的準確性,而且可以驗證人物領(lǐng)域本體的正確性和本體學習方法的有效性。本文對通用的本體學習方法及其應用的關(guān)鍵技術(shù)進行研究和探討,主要內(nèi)容總結(jié)為以下五個方面：●本文深入分析了本體學習的研究現(xiàn)狀和存在的問題,提出了通用的本體學習體系框架。本文分別從本體的組織結(jié)構(gòu)和本體學習的數(shù)據(jù)源復雜性、異構(gòu)性的角度進行分析,闡述了本體的定義、分類、本體學習的任務和同構(gòu)化的本體學習信息輸入系統(tǒng)。根據(jù)信息輸入系統(tǒng)中數(shù)據(jù)的特點和人類學習的思維方式,提出了通用的本體學習體系框架。針對本體學習體系框架中學習的任務層次,提出了相應的本體學習方法,為后續(xù)本體學習研究提供了基礎�！襻槍o初始本體的本體學習的需求,提出了本體的概念粒度空間模型和構(gòu)建本體的概念粒度空間的算法。本文描述了領(lǐng)域具體實例對象粒和抽象概念粒粗糙集的表示及�；椒ā⒈倔w的概念粒之間的關(guān)系和運算、領(lǐng)域具體實例對象粒的粗相似表示方法,同時針對領(lǐng)域具體實例對象粒和抽象概念粒的不同特性,提出了構(gòu)建第一層抽象概念粒度空間和多層抽象概念粒度空間的算法,并通過實驗驗證了算法的有效性,提高了本體的概念和分類關(guān)系學習的準確性�！襻槍τ谐跏急倔w或概念粒度空間的本體學習的需求,提出了基于HowNet的概念語義相似度的改進算法。本文圍繞如何進行本體的概念或術(shù)語學習的問題,深入分析了國內(nèi)外已有的概念語義相似度算法,總結(jié)歸納了影響概念語義相似度算法準確性的主要因素,結(jié)合中文知識庫HowNet和同義詞林的內(nèi)容組織結(jié)構(gòu)特點,改進已有的基于HowNet語義相似度算法。該算法綜合考慮了多種影響語義相似度值準確性的因素,與其它語義相似度算法相比,實驗結(jié)果顯示概念語義相似度的準確性有了很大提高,進而提高了本體的概念或術(shù)語學習的準確性�！癖疚膶⑺岢龅谋倔w學習方法應用于人物領(lǐng)域本體學習中,設計與實現(xiàn)了人物領(lǐng)域本體學習系統(tǒng),從而得到了人物領(lǐng)域本體。在人物領(lǐng)域本體學習過程中,為了降低構(gòu)建概念粒度空間算法的時間復雜度和信息輸入系統(tǒng)的屬性特征的維度,本文提出了基于向量空間模型的KNN-DAG-SVMs分類算法,并通過實驗驗證了該算法的有效性,與其它分類算法相比,在準確率和召回率方面有了明顯的提高。●本文將學習得到的人物領(lǐng)域本體應用于搜索領(lǐng)域,提出了基于人物領(lǐng)域本體的智能搜索體系框架,并且描述了框架中各個模塊的功能；為了提高搜索的速度,在數(shù)據(jù)索引模塊中,提出了三級倒排索引模型；同時在本體學習模塊中,提出了新增具體實例對象的學習算法,實現(xiàn)了基于人物領(lǐng)域本體的智能搜索系統(tǒng)。該系統(tǒng)不僅提高了人物信息搜索結(jié)果的查準率和查全率,而且進一步豐富了人物領(lǐng)域本體的具體實例。實驗結(jié)果表明,基于人物領(lǐng)域本體的智能搜索與其它搜索相比具有一定的優(yōu)越性。
【學位授予單位】：華東師范大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.1
【圖文】：

大學博士學位論文邐第３章本體的概念粒度空間構(gòu)建方法的研宄逡逑實驗結(jié)果及分析逡逑據(jù)上述實驗的設計，分別可以得到在不同的數(shù)據(jù)集上，取不同比例的數(shù)據(jù)逡逑練集的實驗結(jié)果和實驗結(jié)果的比較：逡逑表３－３邋Ｚｏｏ數(shù)據(jù)集的實驗結(jié)果逡逑

概念所有情況都考慮在內(nèi)的語義相似度計算，本文采用改進后的法對實驗數(shù)據(jù)進行計算，同時邀請了邋２２個人對測試數(shù)據(jù)的相改進后算法與劉群算法的計算相似度值，分別與人工打分的平三組實驗結(jié)果如表４－１０和圖４－１０所示：逡逑表４－１０邋ＨｏｗＮｅｔ中概念對相似度實驗結(jié)果逡逑Ｃｏｎｃｅｐｔ邋ｐａｉｒｓ邐Ｓｉｎｉｕｕ邋Ｓｉｍｉｍｐｒｏｖｅｄ邋Ｈｕｍａｎ逡逑作曲家邐音樂家邐０．９１３邋０．７６６邐０．６７２逡逑中國邐中醫(yī)邐０．１０８邋０．１５６邐０．２４９逡逑醫(yī)學家邐音樂家邐０．９４〗邐０．７６３邐０．４６１逡逑校長邐醫(yī)生邐０．９１３邋０．４３５邐０．５０８逡逑泰山邐泰山北斗邋０．６６１邋０．２３９邐０．１５５逡逑釋遨牟■尼邐碩士邐０．５７９邋０．４１０邐０．２６９逡逑商會邐收集者邐０．１１３邋０．０３２邐０．１６９逡逑生意人邐商人邐１．０００邋１．０００邐０．９６３逡逑農(nóng)民邐商人邐０．８９６邋０．７３２邐０．６７７逡逑

華東師范大學博士學位論文邐第５章基于互動百科的人物領(lǐng)域本體學習逡逑非分類關(guān)系、規(guī)則模塊等。數(shù)據(jù)的顯示模塊主要用于數(shù)據(jù)的輸入和顯示。數(shù)據(jù)的逡逑輸入包括初始領(lǐng)域具體實例對象和新增領(lǐng)域具體實例對象的輸入；數(shù)據(jù)的顯示包逡逑括第一層抽象概念粒對應的領(lǐng)域具體實例對象集合和所具有的屬性特征的顯示、逡逑領(lǐng)域具體實例對象相應的屬性特征及屬性特征值和關(guān)系及關(guān)系值的顯示、概念粒逡逑的分類關(guān)系的層次結(jié)構(gòu)顯示等，本體學習系統(tǒng)的主界面如圖５－６所示：逡逑丨．：料料秘邐－？邋‘邐．邋．逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 張建文;王強;;面向語義Web的本體學習研究[J];科技廣場;2006年08期

2 張海營;;本體學習和基于句型規(guī)則的自舉本體學習方法模型設計[J];圖書情報工作;2007年09期

3 張囡囡;李冠宇;曲麗寧;;主要本體學習工具的比較分析[J];微計算機信息;2008年12期

4 徐濟成;李紹穩(wěn);張友華;;農(nóng)業(yè)本體及本體學習研究[J];計算機技術(shù)與發(fā)展;2009年08期

5 鹿彥;孫靜波;;基于文本的本體概念提取[J];科技信息;2010年13期

6 鄧子平;張傳宏;;面向醫(yī)學的本體學習方法[J];計算機時代;2010年10期

7 梁健;吳丹;;種子概念方法及其在基于文本的本體學習中的應用[J];圖書情報工作;2006年09期

8 梁健;王惠臨;;基于文本的本體學習方法研究[J];情報理論與實踐;2007年01期

9 宗江琴;范榮;;基于粒計算的本體學習研究[J];科技廣場;2007年05期

10 任斌;毛應爽;;基于本體的主動學習主題爬行的研究與實現(xiàn)[J];長春工程學院學報(自然科學版);2011年01期

相關(guān)會議論文 前3條

1 劉柏嵩;高濟;;通用本體學習框架研究(英文)[A];全國語域web與本體能研討會論文集[C];2006年

2 劉強;林世平;;基于蟻群聚類算法的中文本體學習[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

3 徐惠;高志強;陸青健;朱萬穎;;ORIGO：一種基于數(shù)字化圖書館資源的本體學習方法[A];2008'中國信息技術(shù)與應用學術(shù)論壇論文集（一）[C];2008年

相關(guān)博士學位論文 前4條

1 刁麗娟;通用本體學習方法及其應用的關(guān)鍵技術(shù)研究[D];華東師范大學;2015年

2 邱桃榮;面向本體學習的粒計算方法研究[D];北京交通大學;2009年

3 劉柏嵩;基于Web的通用本體學習研究[D];浙江大學;2007年

4 傅魁;基于Web的本體學習研究[D];武漢理工大學;2007年

相關(guān)碩士學位論文 前10條

1 王曉慶;基于框架語義的中文本體學習研究[D];中國海洋大學;2008年

2 程波波;基于文本的茶學本體學習方法研究[D];安徽農(nóng)業(yè)大學;2010年

3 賈秀玲;面向文本的本體學習中概念提取及關(guān)系提取的研究[D];中南大學;2007年

4 鹿彥;面向文本的本體學習方法研究[D];長春工業(yè)大學;2011年

5 謝彩云;基于法律領(lǐng)域的本體學習方法的研究與應用[D];南昌大學;2012年

6 胡冬潤;面向網(wǎng)絡輿情任務的本體學習方法研究[D];南京航空航天大學;2013年

7 楊芬;本體學習中概念和關(guān)系抽取方法研究[D];重慶大學;2010年

8 劉婷;本體學習及其在語義檢索中應用的研究[D];南昌大學;2011年

9 劉明生;粒計算及其在本體學習中應用的研究[D];南昌大學;2007年

10 陳紹琛;基于非結(jié)構(gòu)中文數(shù)據(jù)源的本體學習[D];哈爾濱工程大學;2009年

本文編號：2798687