本體知識庫構建研究——以水稻領域為例.pdf

1、隨著本體知識庫構建方面的研究不斷增多，人們所構建出來的領域本體也逐漸拓展到多個領域。但是，由于本體自身的專業(yè)性強、領域特點顯著、構建周期相對較長，使得本體的構建成為一項高智力的勞動密集型工作，本體構建過程中對領域知識背景要求非常高，且構建自動化程度難以提高，本體領域實例構建與維護也嚴重依賴人的智力勞動，因此，其質量和效率都很難保證。本文對已有的本體構建方法與技術進行了深入研究后，通過本體重構實現(xiàn)水稻本體概念構建，設計了本體實例構建框架，

2、并實現(xiàn)了基于多層神經(jīng)網(wǎng)絡深度學習方法的水稻本體實例半自動抽取，為領域本體實例的半自動構建提供了有益的嘗試，且為半自動化本體知識庫構建提供了新的方法和思路。具體研究內(nèi)容主要如下:
　　1.本體知識庫構建研究，從本體概念層與實例層兩方面展開論述;
　　2.命名實體抽取方法研究，在大數(shù)據(jù)環(huán)境下，面對海量數(shù)據(jù)、內(nèi)容復雜多樣、知識專業(yè)性強的語言環(huán)境下，對基于神經(jīng)網(wǎng)絡的命名實體抽取方法進行深入研究，通過實證研究來驗證該方法的可操作性和有