資源描述：
《領(lǐng)域本體構(gòu)建方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、領(lǐng)域本體構(gòu)建方法研究摘要：構(gòu)建本體是一項(xiàng)重要而十分繁重的工作。為了提高構(gòu)建領(lǐng)域本體的效率，該文提出利用爬蟲(chóng)技術(shù)從互聯(lián)網(wǎng)中自動(dòng)獲取相關(guān)領(lǐng)域知識(shí)，重用WordNet的結(jié)構(gòu)并從中獲取領(lǐng)域知識(shí)，半自動(dòng)構(gòu)建領(lǐng)域本體關(guān)鍵詞：WordNet；重用；領(lǐng)域本體；爬蟲(chóng)技術(shù)中圖分類(lèi)號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2015)27-0180-021概述互聯(lián)網(wǎng)技術(shù)高速發(fā)展的今天，網(wǎng)絡(luò)信息急劇膨脹，用戶在浩瀚的互聯(lián)網(wǎng)中獲取需要的數(shù)據(jù)，主要還是依靠傳統(tǒng)的搜索引擎，然而通用搜索引擎也存在很多弊端和局限：搜索引擎根據(jù)用戶提供的關(guān)鍵字返回一
2、條條鏈接，而這些鏈接包含大量用戶并不需要的網(wǎng)頁(yè)，并且通過(guò)關(guān)鍵字搜索的技術(shù)難以支持根據(jù)語(yǔ)義信息進(jìn)行的查詢；通用搜索引擎力求搜索面更加廣泛，而服務(wù)器資源有限，這兩者之間矛盾將日益凸顯；信息形式不斷豐富，傳統(tǒng)搜索引擎對(duì)圖片、音頻、視頻等多媒體形式還不能很好的發(fā)現(xiàn)和支持信息技術(shù)朝著智能化發(fā)展，因此信息和數(shù)據(jù)的表示不能像以往那樣僅僅停留在語(yǔ)法層面，更應(yīng)該聚焦在語(yǔ)義層面。本體是一種概念模型建模工具，是語(yǔ)義網(wǎng)絡(luò)的核心技術(shù)，它能在語(yǔ)義和知識(shí)層面上描述信息和數(shù)據(jù)，為解決上述問(wèn)題提供了一種良好途徑，已經(jīng)在很多領(lǐng)域得到廣泛應(yīng)用，引起了國(guó)內(nèi)外很多研究人
3、員的關(guān)注。在基于本體的應(yīng)用中，最基礎(chǔ)和核心的工作是構(gòu)建領(lǐng)域本體。然而本體構(gòu)建是一項(xiàng)基礎(chǔ)卻不簡(jiǎn)單的工作，目前很多領(lǐng)域本體的構(gòu)建普遍面臨幾大困難：缺乏領(lǐng)域內(nèi)專家的支持，基本都是靠計(jì)算機(jī)人員根據(jù)自身理解建立本體概念和屬性，很難達(dá)到共同認(rèn)可的知識(shí)水平；本體構(gòu)建基本上以人工處理為主，這樣的構(gòu)建效率難以適應(yīng)目前信息爆炸的互聯(lián)網(wǎng)時(shí)代；構(gòu)建出來(lái)的本體得不到重用，基本上一個(gè)本體的構(gòu)建都是從頭開(kāi)始，不能很好地利用已有本體。因此，如何高效的構(gòu)建本體是本體研究中一個(gè)迫切需要解決的難題2本體簡(jiǎn)介本體(ontology)最早是一個(gè)哲學(xué)概念，意思是對(duì)本質(zhì)和存
4、在的一個(gè)系統(tǒng)的描述［1］。而本體在人工智能界有其新的定義，對(duì)本體的理解也在逐步發(fā)展并趨于成熟。在文獻(xiàn)［2］中提到本體的定義有以下幾種：(1)1991年，Neches等人，將本體(ontology)定義為“給出構(gòu)成相關(guān)領(lǐng)域詞匯的基本術(shù)語(yǔ)和關(guān)系，以及利用這些術(shù)語(yǔ)和關(guān)系構(gòu)成的規(guī)定這些詞匯外延的規(guī)則的定義”。這是本體在AI領(lǐng)域中的第一個(gè)定義(2)1993年，Gruber,將本體(ontology)定義為“概念模型的明確的規(guī)范說(shuō)明”。這是關(guān)于本體的一個(gè)最為流行的定義(1)1997年，Borst,將本體(ontology)定義為"共享概念模
5、型的形式化規(guī)范說(shuō)明"。這是在Gruber定義的基礎(chǔ)上給出的另一種定義(2)1998年，Studer,將本體(ontology)定義為"共享概念模型的明確的形式化規(guī)范說(shuō)明”。這是Studer等人對(duì)(2)(3)兩個(gè)定義進(jìn)行了深入的研究，提出的本體的新定義在這些定義中，Studer提出的定義是最為著名和引用最為廣泛的，這個(gè)定義指出了本體的4層含義：共享、概念模型、明確和形式化[3],其具體含義如圖1所示：目前領(lǐng)域本體的構(gòu)建方法各有不同，但是無(wú)論如何構(gòu)建本體是一項(xiàng)非常繁重的工作，盡管出現(xiàn)了一些自動(dòng)、半自動(dòng)的手段，在構(gòu)建效率上取得了一定的
6、進(jìn)步，但是要實(shí)現(xiàn)全自動(dòng)構(gòu)建本體是非常困難的，因此，如何快速構(gòu)建本體成為一個(gè)熱點(diǎn)研究問(wèn)題。針對(duì)以上不足，本文提出利用爬蟲(chóng)技術(shù)和基于WordNet重用的領(lǐng)域本體構(gòu)建方法。該方法利用爬蟲(chóng)技術(shù)把一系列含有共同主題的網(wǎng)頁(yè)都關(guān)聯(lián)到一個(gè)文檔或一個(gè)文檔集中，有選擇的從互聯(lián)網(wǎng)上獲取到領(lǐng)域內(nèi)相關(guān)信息。以WordNet為源本體，分析領(lǐng)域內(nèi)術(shù)語(yǔ)結(jié)構(gòu)和語(yǔ)義關(guān)系，從WordNet中抽取出相關(guān)領(lǐng)域的本體，得到一個(gè)領(lǐng)域子本體，重用WordNet的結(jié)構(gòu)，并從中獲取領(lǐng)域知識(shí)，從而半自動(dòng)地快速構(gòu)建特定領(lǐng)域的本體3網(wǎng)絡(luò)爬蟲(chóng)技術(shù)網(wǎng)絡(luò)爬蟲(chóng)意思是Spider,另外Crawl
7、er,robots也有此意。網(wǎng)絡(luò)爬蟲(chóng)是從互聯(lián)網(wǎng)上自動(dòng)抓取網(wǎng)頁(yè)的程序，在本體系統(tǒng)運(yùn)行，不斷向互聯(lián)網(wǎng)服務(wù)器發(fā)送讀取網(wǎng)頁(yè)的請(qǐng)求。根據(jù)特定目標(biāo)或主題，事先把重要的鏈接加入隊(duì)列，然后遍歷這些鏈接，讀取這些網(wǎng)頁(yè)的內(nèi)容，并從這些網(wǎng)頁(yè)中提取出新的網(wǎng)頁(yè)鏈接，把這些新提取的鏈接加入遍歷隊(duì)列，不斷重復(fù)這個(gè)過(guò)程直到滿足一定停止條件。一個(gè)爬蟲(chóng)過(guò)程中可概括為下面幾個(gè)步驟：(1)對(duì)抓取目標(biāo)或主題進(jìn)行描述，確定目標(biāo)；(2)根據(jù)已完成的主題描述進(jìn)行分析和過(guò)濾，確定要保留的網(wǎng)頁(yè)和數(shù)據(jù)；(3)根據(jù)特定算法預(yù)測(cè)下一步要訪問(wèn)的網(wǎng)頁(yè)鏈接；(4)對(duì)鏈接隊(duì)列進(jìn)行先后排序，優(yōu)先
8、爬取相關(guān)度較高的鏈接在設(shè)計(jì)爬蟲(chóng)時(shí)要考慮很多方面，最重要的是怎樣從眾多鏈接中選擇下載重要的網(wǎng)頁(yè)，而不是下載全部網(wǎng)頁(yè)，因此在隊(duì)列中排列鏈接的優(yōu)先級(jí)十分重要，在這方面國(guó)內(nèi)外研究人員已經(jīng)做了很多工作，最著名的是PageRank算法和HITS算法，PageRank算法已經(jīng)
