基于Web挖掘的领域本体自动学习.pdfVIP

ISSN 1000-0054 清华大学学报 (自然科学版)2005年第45卷第S1期 1/39 CN 11-2223/N JTsinghuaUniv(Sci$.Tech),2005,Vol.45，No.SI 1729-1733 基于Web挖掘的领域本体自动学习 方卫东， 哀 华， 刘卫红 (华南理工大学计算机科学与工程学院，广州510640) 摘 要:为获取领域本体并量化概念关系的可信度，提出了 的瓶颈。如何以自动或者半自动的方式获取和演化 一种墓于web挖掘的学习模型。通过可扩展的模式集和分 领域本体是目前在人工智能、文本挖掘、信息有哪些信誉好的足球投注网站等 布语义模型获取本体主干，使用关联规则发现概念间的一般 多个领域的重要研究课题。另外，由于本体是未来语 关系，对候选本体进行修剪和合并。模式可信度、概念语义距 义网((semanticweb)的基础，本体学习对其发展和 离与关联特征决定了概念间关系的可信度。通过 “文本分析- 应用具有重要意义。 本体获取一文本扩充”的迭代过程，优化模型参数和闲值。该 模型解决了现有本体学习方法对词典或核心本体的依赖性、 目前有代表性的基于文本的本体学习方法[Ct-s7 以及不能对关系进行可信度量化的问题。实验证明了所提出 存在两个问题:一是依赖于某些通用词典 (如 模型的有效性。 WordNet等)或核心本体(coreontology)，侧重于 关钮词:机器学习;Web挖掘;自然语言处理;本体;分布 扩展已有词典中概念之间的关系或者扩充核心本 语义;主题签名;上下文签名 体;二是对于所获取的概念之间的关系缺乏可信度 中图分类号:TP181 文献标识码:A 量化。上述特点使得这些方法不适于从特定文本中 文章编号:1000-0054(2005)S1-1729-05 学习领域本体。原因是:1)通用词典中涉及的概念 数量往往非常巨大，概念间的关系非常复杂，以扩展 Automaticdomainontologylearning 该类词典的方法获取领域本体效率很低;2)在某 basedonwebmining 些语言中适合本体学习的词典可能不存在;3)概 FANGWeidong,YIlk%Viua,UUWeihong 念关系可信度没有量化导致在半自动本体获取中人 (SchoolofComputerScienceandEngineering, 工修改概念关系缺乏数值根据，以及在自动本体获 SouthChinaUniversityofTechnology,Guangzhou510640,China) 取中本体修剪和合并的不准确性。 Abstract;Thispaperproposesaweb-basedlearningmodelto 针对上述问题，本文提出了一种基于Web挖掘 acquiredomainontologiesandtoquantifytheconfidenceofconcept 的领域本体 自动获取方法，旨在通过挖掘分布于 relations.Anontologybackbonewascapturedwithanextensible patternsetandadistributionalsemanticmodeltofindthegeneral Web上的特定领域文本，发现本体概念和概念之间 relationsbetweenconceptsusingassociationrules,aswel