基于word2vec的数字图书馆本体构建技术研究.docVIP

基于word2vec的数字图书馆本体构建技术研究 　　摘 要： 针对传统本体构建既费时又费力等问题，设计了一种基于Web的领域本体半自动构建方法，提出了基于word2vec的领域本体概念抽取算法，采用基于中英文词典的方法抽取同义关系，研究了基于特征向量的上下位关系抽取算法。最后将基于Web的领域本体半自动构建方法应用于数字图书馆气候变化领域，实践表明，该方法大大缩短了本体构建的周期，减少了人工参与。 　　关键词： 本体构建； 领域本体； 概念抽取； 关系抽取； 数字图书馆现状 　　中图分类号： TN911?34； G250.76 文献标识码： A 文章编号： 1004?373X（2016）15?0090?05 　　Abstract： To improve the time?consuming and strenuous situations existing in the traditional ontology construction， a domain ontology semi?automatic construction method based on Web was designed， and the domain ontology concept extraction algorithm based on word2vec is put forward. In this paper， the method based on Chinese?English dictionary is used to extract the synonymous relation， and the hyponymy extraction algorithm based on feature vector is studied. The domain ontology semi?automatic construction method based on Web was applied to the climate change field of the digital library. The practice results show that the method can shorten the ontology construction period greatly， and reduce the manpower participation. 　　Keywords： ontology construction； domain ontology； concept extraction； relationship extraction； digital library situation 　　0 引 言 　　本体构建是本体应用的基础，随着本体的理论研究逐步深入和在工程实践中的广泛应用，形成了许多的构建方法和构建工具。但本体的构建过程仍需要通过人工的参与，人们凭借一定专业领域知识，依据自己的知识和理解主观地判断概念之间的关系。这种依靠人的经验和知识积累的本体构建方式非常费时费力，成为领域本体发展的一个瓶颈。因此，为了减轻人工工作量，缩短本体构建的周期，人们期望可以自动半自动地构建本体，提高本体构建的效率和自动化程度，于是本体学习的概念就被提了出来。 　　本文对领域概念的抽取和领域概念间关系的抽取等关键技术进行了深入研究；采用了基于word2vec的领域本体概念自动抽取算法，并采用迭代算法，扩充领域概念的候选词集；同时，对领域概念间关系自动抽取的方法也进行了一定研究；最后，将基于Web的领域本体半自动构建方法应用于气候变化领域构建气候变化领域本体。 　　1 基于Web的领域本体半自动构建方法 　　本文基于本体学习技术，设计了一种基于Web的领域本体半自动构建方法，该方法包括领域信息采集、领域词典构建、本体学习、本体编辑和本体评价五大模块。其中，本体学习模块是构建领域本体的重点和难点，该模块主要采用机器学习技术、自然语言处理技术，结合语言学、统计学等知识，从大量领域数据中自动地抽取领域概念和概念间的关系。基于Web的领域本体半自动构建方法框图，如图1所示。 　　2 基于word2vec的领域本体概念抽取 　　领域概念获取是构建领域本体的基础工作，领域概念自动抽取是指从一定规模的自由文本中抽取出能够反映某一特定领域特征或共性的词汇。本文在研究相关算法的基础上，采用了一种基于word2vec的领域本体概念抽取算法。该算法如图2所示，共包含三部分：中文分词、领域概念候选词抽取、领域概念候选词评价。 　　领域词典的构建是概念抽取的基础，在中文分词环节，领域词典为其提供领域词汇，将领域词典添加到原有的分词词典中