检索结果-南通市图书馆

作者：唐晋韬国防科学技术大学

学位级别：硕士

语义Web是Internet发展的重要趋势，其目的之一在于赋予万维网上所有资源唯一的标志，并在资源之间建立机器可处理的各种语义联系。语义万维网以明确的、形式化的方式来表示信息资源，能够提高异构系统的互操作性，促进知识共享和信息... 详细信息

语义Web是Internet发展的重要趋势，其目的之一在于赋予万维网上所有资源唯一的标志，并在资源之间建立机器可处理的各种语义联系。语义万维网以明确的、形式化的方式来表示信息资源，能够提高异构系统的互操作性，促进知识共享和信息处理技术的发展。而本体作为语义Web的一个重要服务层，在基于内容的访问、互操作和通信中扮演了核心的角色。本体是从哲学研究中发展出来的概念，在计算机领域，本体是用于描述或表达某一领域知识的一组概念或术语，可用于组织知识库较高层次的知识抽象，也可用来描述特定领域的知识。目前本体构建和本体自动扩充的研究在语义Web领域越来越受到重视。许多研究者都提出了在各自的应用领域适用的一些本体构建方法，也有研究者在逐步地丌始研究如何从文本中挖掘本体和扩充本体实例。但这些方面的研究都还处于一个很不成熟的阶段。这不仅仅与目前的处理技术水平相关，更多的是因为目前语义Web的研究处于起步阶段，在本体的构建等理论方面还有许多重要的问题有亟待深入研究。本文在对前人的工作进行分析和综合的基础上，研究了一种适合较小领域本体建立的本体构建方法，并对中文时间描述进行深入的分析，设计了一种时间本体结构，并构建了面向中文的时间本体。在此基础上，本文进一步进行了本体自动扩充的实验，采用有监督的SVM算法进行时间实例分类。针对中文时间描述的特点，本文选择了词汇特征和词法特征来构造特征向量。针对基于本体的信息抽取的特点，特别是本体的自动扩充问题，本文在分析目前流行的几种分类策略的基础上，对基于SVM二类分类器构造多类分类器的问题进行了研究，设计了一个基于本体概念体系的多类分类策略。本文测试了不同的分类策略和核函数对分类结果的影响，实验结果表明，相对于其它的常用多类分类策略，本文的多类分类策略在时间本体自动扩充任务中表现出较好的性能。

关键词：本体构建本体自动扩充本体构建方法学支持向量机多类分类中文时间描述

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向中文文本的时间本体构建和自动扩充

面向中文文本的时间本体构建和自动扩充

第二届全国信息检索与内容安全学术会议（NCIRCS-2005）

作者：唐晋韬王挺周会平国防科学技术大学计算机学院

对时间本体和本体自动扩充的研究是语义web领域的重要研究方向。本文通过对中文时间描述进行深入的分析,设计了一种新的时间本体结构,并构建了一种面向中文描述的时间本体。在此基础上针对中文时间描述的特点选择了词汇特征和句法特征... 详细信息

对时间本体和本体自动扩充的研究是语义web领域的重要研究方向。本文通过对中文时间描述进行深入的分析,设计了一种新的时间本体结构,并构建了一种面向中文描述的时间本体。在此基础上针对中文时间描述的特点选择了词汇特征和句法特征来构造特征向量进行本体自动扩充实验。实验中采用有监督的SVM算法进行时间实例分类,同时比较了不同的多类分类策略和核函数对分类结果的影响。实验结果表明,使用“一对一”分类策略和RBF核函数时,可以达到较好的分类效果。

关键词：时间本体构建本体自动扩充中文时间分析 SVM

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于SVM算法的本体实例分类改进研究

基于SVM算法的本体实例分类改进研究

作者：路前杭州电子科技大学

学位级别：硕士

信息技术和Internet的不断的发展，不仅带来了总量上的“信息过载”问题，而且还有结构性的“信息短缺”以及各种“信息陷阱”、“信息迷雾”等问题，使得获取特定信息的难度不断加大，因此，有学者提出知识工程的思想来专门研究如何有... 详细信息

信息技术和Internet的不断的发展，不仅带来了总量上的“信息过载”问题，而且还有结构性的“信息短缺”以及各种“信息陷阱”、“信息迷雾”等问题，使得获取特定信息的难度不断加大，因此，有学者提出知识工程的思想来专门研究如何有效地对知识进行处理。知识工程主要包括知识表示、知识获取以及知识管理三个基本课题，其中知识表示是知识工程的核心。研究发现，本体能够很好的表示领域知识，并且能够提供计算机能够理解的形式化语义信息，促进计算机之间的通信和互操作，让计算机模拟人脑的功能准确地、自动地对信息进行处理。本体自动扩充是当前本体研究的热点问题，所谓本体自动扩充是指自动地对语料进行处理，从中抽取出本体概念实例，在实例与本体概念之间建立关系，最终建立起本体种群。本体自动扩充研究中最关键的部分是本体实例的分类，即通过特定的分类算法计算实例与概念之间的相似度，一方面把识别出的本体实例填充到相应的本体概念当中去，另一方面尽可能多的识别出本体概念的实例，提高本体实例分类的准确率和召回率。目前，本体实例分类的研究主要通过借鉴人工智能、机器学习等领域的研究方法进行研究，所应用到的方法主要有两类，一类是基于规则的方法，这种方法通过构建实例识别、分类的规则来实现本体的自动扩充。另一种基于统计的方法，通过标注语料训练或自学习的方式建立统计模型，进而利用该模型抽取本体概念实例实现本体自动扩充。作为在人工智能、机器学习等领域的研究中广泛应用的算法之一——支持向量机算法，能够被用来解决本体实例的分类问题。支持向量机（SVM）是一种向量空间模型（VSM），它把对文本内容的处理简化为向量空间中的向量运算，并且它以空间上的相似度表达语义的相似度，通过计算向量之间的相似性实现实例的分类。本文提出了一种SVM算法的改进模型即Onto‐Bt‐SVM模型，它主要是针对SVM算法难以解决多类分类问题以及特征向量构造难度大两方面的问题进行改进。本文的改进策略主要体现在两个方面：第一，利用本体自身的概念结构和二叉树模型组织SVM多类分类器，使SVM算法适合解决本体实例的分类问题。第二，利用本体自身所蕴含的语义信息构造特征向量，选取分类效果更好的元素作为特征向量的维度。改进后的模型能够更好地处理有限样本数据的分类问题。本文设计了四组实验方案，实验结果表明，Onto‐Bt‐SVM模型分类的准确率和召回率都有大幅度的提高。

关键词：本体自动扩充 SVM算法本体实例分类知识抽取特征向量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文情感词汇本体的构建及其应用

中文情感词汇本体的构建及其应用

作者：陈建美大连理工大学

学位级别：硕士

情感计算是人工智能的一个热门的研究领域,它的目标是使计算机拥有情感,能够像人一样自然亲切的交流。随着Internet的发展,以文本形式出现的信息越来越多,逐渐成为我们最容易获取也是最为丰富的一种交互资源,然而国内文本情感分析方面... 详细信息

情感计算是人工智能的一个热门的研究领域,它的目标是使计算机拥有情感,能够像人一样自然亲切的交流。随着Internet的发展,以文本形式出现的信息越来越多,逐渐成为我们最容易获取也是最为丰富的一种交互资源,然而国内文本情感分析方面的研究较少。本文首先构建情感识别所需的语义资源,情感词汇本体库。根据目前情感分类发展的现状,确定情感分类体系,在此基础上综合现有的各种情感词汇资源构造情感词汇本体。在本体的知识获取过程中采用手工分类和自动获取相结合的方法填充词汇本体的框架,详细描述了词汇的情感类别、强度和极性等,并进一步统计了情感词汇的分布情况。在资源建设的基础上,为了减轻资源建设的人工劳动量,本文提出了基于CRF的情感词汇自动获取方法。将情感词汇的词汇自身规律,上下文规律,以及这些规律之间的搭配与机器学习方法相结合,实现情感词汇的自动获取。并且根据实验结果,分析各种规律对于情感词汇自动获取的作用,从而寻找出最佳的特征集用于情感词汇的自动获取。实验最后对结果进行了进一步的错误分析,找出了导致错误发生的主要原因。在情感词汇中,存在词汇的多情感现象。我们把在不同的上下文中,表达不同情感的词汇称为多情感词汇。多情感词汇的获取采用了自动获取和人工确认相结合的方法。在自动获取部分,使用了《同义词词林》确定多义词,并提出了大多数多情感词汇是多义词的假设。多情感词汇的获取及描述还参考了情感词汇本体库中的相关信息。在人工确认部分,指出了多情感词汇和含有多个情感的词汇之间的区别,为词汇的情感消歧指明了目标。由于多情感词汇的存在,那么就需要对多情感词汇,在特定的上下文中,进行词汇的情感消歧。根据词汇的情感消歧和词义消歧的相似性以及差异性,在现有的各种词义消歧的方法中,选用贝叶斯模型,用于词汇的情感消歧。同时还做了3个实验——基于常用情感的词汇情感消歧、基于词性的词汇情感消歧,基于词性及情感频率的词汇情感消歧。对这4个实验的消歧结果的比较分析,表明了基于贝叶斯模型的词汇情感消歧的有效性。

关键词：情感计算情感词汇本体情感消歧本体自动扩充

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于中文文本的本体构建方法研究

基于中文文本的本体构建方法研究

作者：刘威哈尔滨工程大学

学位级别：硕士

语义Web的存在、研究、和运作的基础是形式化本体。本体是对可共享概念的一个形式化的明确说明,它包含对某个领域的概念及概念间的关系的描述和约束。自20世纪90年代提出这个概念以来,本体受到了国内外越来越多的关注,但本体研究实际上... 详细信息

语义Web的存在、研究、和运作的基础是形式化本体。本体是对可共享概念的一个形式化的明确说明,它包含对某个领域的概念及概念间的关系的描述和约束。自20世纪90年代提出这个概念以来,本体受到了国内外越来越多的关注,但本体研究实际上还处于初步阶段,其理论和方法都有待于进一步完善。特别是现阶段的本体构建需要耗费大量的人力、物力和财力,时间周期也很长。因此,本体的有效构建成为本体研究乃至语义Web研究的瓶颈。探讨构建领域本体的有效途径,成为了一个无法回避的问题。本文围绕中文本体的构建方法进行了讨论和研究。首先对本体和本体学习基础知识进行了简单的介绍,给出了当今国内外本体构建的主要方法以及评价标准,介绍了目前比较流行的几种本体学习工具。其次,针对传统本体资源构建方式的不足,本文提出了基于统计和规则混合策略的本体获取方法,描述了整个方法的框架和两个关键子模块框架,并对此方法进行了合理性分析。然后讨论了在这个框架下的几个关键技术问题:语料获取与预处理,术语抽取,关系抽取,并分别对这些问题的解决方案作了详细介绍。再次,本文提出了基于决策树的本体自动扩充方法,将本体自动扩充的主要任务定位在实例的概念分类上,从已有的本体库中获取实例作为训练样本构建规则的决策树,这组规则可以用于指导丰富本体知识。最后,对本文提出的本体获取方法进行了初步的试验,对试验结果进行了分析,评价了这种方法的优缺点。

关键词：本体本体学习本体自动扩充混合策略