基于文本的茶學本體學習方法研究.pdf

1、自從“語義萬維網”概念被提出之后，對本體的研究越來越廣泛，本體作為知識規(guī)范與表示的有力工具，被廣泛應用于Semantic Web、搜索引擎、知識獲取、知識表示等領域。隨著本體的廣泛應用，本體建模也成為研究熱點。本體學習是通過利用機器學習、自然語言處理及數理統計等方法和技術自動半自動構建本體，其目標致力于解決本體構建效率問題、構建本體質量問題。本體學習為大規(guī)模領域領域本體，實現語義網具有重要意義。
　　 本文主要研究基于文本的茶學

2、本體學習，論文以茶學病蟲害數據源為對象，研究面向中文文本的本體學習方法和技術，重點研究本體學習過程中的中文分詞、概念及關系抽取，主要研究內容概括如下：
　　 (1)針對特定領域數據源，構建領域知識詞庫，結合通用分詞工具包研究基于領域知識詞庫的中文分詞及詞性標注。利用中文分詞技術對中文非結構化數據源進行分詞處理，獲取候選文本集。
　　 (2)采用多策略集成的方法進行概念抽取。利用兩種統計算法和一種基于詞庫的方法進行概念抽取

3、，其中統計算法為基于詞向量空間模型的概念抽取和基于領域相關度、一致度的方法；基于詞庫的正向最大化單詞合并概念抽取主要是利用領域知識詞庫，一方面可以直接進行概念匹配抽取，另一方面可以對被拆分的概念進行正向最大合并，避免合成詞概念的拆分。
　　 (3)對于概念關系抽取研究，采用基于FCA概念格的概念關系抽取與基于關聯規(guī)則的關系抽取。前者利用了FCA概念格的理論與方法，通過快速構造概念格，利用其與本體之間相似的數據結構，從中提取概念關