基于馬爾科夫邏輯網(wǎng)的領(lǐng)域知識學(xué)習(xí)與更新技術(shù)研究.pdf

1、知識發(fā)現(xiàn)自提出以后，一直是學(xué)術(shù)界和應(yīng)用領(lǐng)域關(guān)注的焦點(diǎn)，但面對著如今日益復(fù)雜的領(lǐng)域應(yīng)用環(huán)境，現(xiàn)有的研究方法多基于統(tǒng)計學(xué)習(xí)，常常忽略了領(lǐng)域知識間的關(guān)系以及領(lǐng)域知識隨著時間的變化，在應(yīng)用效果方面往往差強(qiáng)人意。如何準(zhǔn)確把握領(lǐng)域知識間的統(tǒng)計關(guān)系，進(jìn)行正確的領(lǐng)域知識學(xué)習(xí)與領(lǐng)域知識更新，成為領(lǐng)域知識研究的一個難點(diǎn)。近幾年，隨著統(tǒng)計關(guān)系學(xué)習(xí)研究的興起，結(jié)合概率圖模型和一階邏輯理論的馬爾科夫邏輯網(wǎng)為研究者們所提出，并成功的應(yīng)用于自然語言處理、機(jī)器學(xué)習(xí)、社

2、會關(guān)系分析等領(lǐng)域中。在這種背景下，本文采用馬爾科夫邏輯網(wǎng)，結(jié)合領(lǐng)域分類數(shù)據(jù)集，構(gòu)建了領(lǐng)域知識庫，進(jìn)行了其在領(lǐng)域知識學(xué)習(xí)與更新技術(shù)中的探索研究。
　　本文的具體研究內(nèi)容及研究成果如下：
　　(1)本文首先介紹了傳統(tǒng)方法中的SVM進(jìn)行本文的領(lǐng)域知識分類學(xué)習(xí)，然后提出一種基于馬爾科夫邏輯網(wǎng)的領(lǐng)域知識學(xué)習(xí)技術(shù)。該技術(shù)在傳統(tǒng)方法的基礎(chǔ)上，引入了一階邏輯來表示領(lǐng)域知識間的關(guān)系，使得領(lǐng)域知識的學(xué)習(xí)效果更佳突出。本文設(shè)置了兩組實(shí)驗(yàn)進(jìn)行了對比

3、，最終發(fā)現(xiàn)基于馬爾科夫邏輯網(wǎng)的領(lǐng)域分類知識學(xué)習(xí)效果要平均高于另一種5~6個百分點(diǎn)。
　　(2)在領(lǐng)域知識更新方面，面對本文的領(lǐng)域任務(wù)——文本分類，結(jié)合傳統(tǒng)的3種知識更新策略，提出基于特征詞庫增量學(xué)習(xí)的領(lǐng)域知識更新技術(shù)，并進(jìn)行了3種策略的對比實(shí)驗(yàn)與分析，驗(yàn)證了其有效性與可行性。
　　(3)針對傳統(tǒng)方法在進(jìn)行領(lǐng)域知識更新時的不足——沒有考慮領(lǐng)域知識間的關(guān)系，延伸馬爾科夫邏輯網(wǎng)在領(lǐng)域知識學(xué)習(xí)中的應(yīng)用，并結(jié)合增量式知識學(xué)習(xí)策略，提出