基于web數(shù)據(jù)表抽取領(lǐng)域本體的構(gòu)建方法地地研究

《基于web數(shù)據(jù)表抽取領(lǐng)域本體的構(gòu)建方法地地研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、萬方數(shù)據(jù)AThesisinComputerApplicationTechnology㈣㈣㈣㈣㈣JO123395ResearchonDomainOntologyConstructionMethodBasedonWebMeaningfulTableExtractionByJiaoXiaolongSupervisor：ProfessorMaZongminNortheasternUniversityJune2012萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明，所呈交的學(xué)位論文是在導(dǎo)師的指導(dǎo)下完成的。論文中取得的研究成果除加以標(biāo)注和致謝的地方外，不包含其他人己經(jīng)發(fā)表或撰寫過的

2、研究成果，也不包括本人為獲得其他學(xué)位而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：焦曉忿日期：加肜并，I

3、習(xí)孔日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者和指導(dǎo)教師完全了解東北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：即學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人同意東北大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索、交流。作者和導(dǎo)師同意網(wǎng)上交流的時(shí)間為作者獲得學(xué)位后：半年口一年口一年半口兩年回學(xué)位論文作者簽名：但境7￡簽字日期：加】碑5同計(jì)曰新虢

4、囂戈導(dǎo)師簽名：攏登√<)4～簽字日期：加72年6目2q．日萬方數(shù)據(jù)東北大學(xué)碩士學(xué)位論文摘要基于Web數(shù)據(jù)表抽取的領(lǐng)域本體構(gòu)建方法研究摘要作為當(dāng)前Web的擴(kuò)展，語義Web成為目前的熱點(diǎn)研究領(lǐng)域，而本體是實(shí)現(xiàn)語義Web的關(guān)鍵。但目前本體構(gòu)建技術(shù)尚不成熟，多采用人工方式進(jìn)行，不僅費(fèi)時(shí)費(fèi)力，并且容易出錯(cuò)。如何利用現(xiàn)有數(shù)據(jù)源自動(dòng)、半自動(dòng)地快速構(gòu)建高質(zhì)量本體引起了許多研究者的興趣。表格在Web上廣泛存在，易于獲取，并且包含了大量結(jié)構(gòu)化數(shù)據(jù)，可以作為構(gòu)建領(lǐng)域本體的良好數(shù)據(jù)源。本文針對(duì)如何使用Web數(shù)據(jù)表構(gòu)建領(lǐng)域本體展開研究。當(dāng)前相關(guān)領(lǐng)域的研究主要存在兩方面的問題

5、：一方面，Web表格抽取技術(shù)不能滿足構(gòu)建高質(zhì)量領(lǐng)域本體的需要，已有的方法大多僅考慮了table標(biāo)簽編碼的表格，涵蓋范圍較窄，且許多方法僅依據(jù)視覺特征抽取表格，抽取的查準(zhǔn)率較低；另一方面，當(dāng)前存在的從Web表格構(gòu)建本體的方法通常需要外界知識(shí)庫的支持，且已有方法往往不能同時(shí)抽取本體類和屬性的層次結(jié)構(gòu)以及本體實(shí)例。本文在現(xiàn)有研究基礎(chǔ)上，針對(duì)其不足，提出了一種基于Web數(shù)據(jù)表抽取的領(lǐng)域本體構(gòu)建方法。首先，本文給出了Web數(shù)據(jù)表的定義，歸納了其編碼類型，提出了一種綜合考慮DOM結(jié)構(gòu)特征及節(jié)點(diǎn)在瀏覽器上位置關(guān)系的Web數(shù)據(jù)表抽取算法，該算法能較好涵蓋現(xiàn)有的We

6、b數(shù)據(jù)表的范圍。然后，本文進(jìn)一步提出了一種利用數(shù)據(jù)表中數(shù)據(jù)的類型分布特征來判斷表格維度和表頭位置的Web數(shù)據(jù)表結(jié)構(gòu)識(shí)別算法。在此基礎(chǔ)上，給出了基于Web數(shù)據(jù)表抽取的領(lǐng)域本體的構(gòu)建方法，即從Web數(shù)據(jù)表到本體描述語言O(shè)WL的映射規(guī)則。最后，基于己提出的方法，設(shè)計(jì)開發(fā)了一個(gè)本體構(gòu)建原型系統(tǒng)，驗(yàn)證了Web數(shù)據(jù)表抽取和結(jié)構(gòu)識(shí)別算法以及本體構(gòu)建方法的有效性。關(guān)鍵詞：語義Web；本體構(gòu)建；Web表格萬方數(shù)據(jù)ResearchonDomainOntologyConstructionExtractionAbstractAsanextensionofthecurren

7、tWeb，theSemanticWebhasbecomeahotresearchfield，whiletheontologywhichCanprovidesemantictotheWebisthekeytotherealizationoftheSemanticWeb．However，ontologyconstructiontechnologyisnotmatureasyet．Currentlyontologiesareconstructedmainlybydomainexpertsandontologyengineersmanually，which

8、isnotonlytime—consumingbutalsoerrorprone·Howtouseexistingdatasourcesautomaticallyorsemi—automaticallyconstructhigh-qualityontologieshasarousedtheinterestofmanyresearchers．Tableswhichcontaina10tofstructureddataalewidespreadandeasilyaccessibleontheWeb，SOtheycanbeusedasagooddatas

9、ourcetobuildthedomainontology．Inthisthesis，westudvtheproblemo