基于本体关系匹配的信息抽取

目前,稳定可靠的信息抽取是一个有待解决的问题,该文提出了基于本体关系匹配信息抽取算法,应用语义Web把信息抽取目标文档描述为特殊的本体格式,采用机器学习理论对本体进行分析和处理。测试数据集的实验结果显示,本体关系集匹配算法优于其他4种信息抽取算法。

受限本体相似

在从不同的语义Web上得到用本体表达的文档资源以后,这些文档资源通常被转换成基于同一个本体的本体描述,这样既便于对文档的分析,又便于在此基础上进行信息抽取.这些文档本体之间仅仅在实例和关系层上彼此相互不同,在类、属性、规则、谓词方面都基本相同.对这种文档的检索,一个最普通的操作就是计算本体之间的相似性.很多计算本体相似性的方法基本上都是以分别属于不同本体的实体之间配对比较来实现,而且往往要考虑所有相关的元素.这不仅增加了计算复杂度,还会遇到循环计算的问题.在对语义网本体语言的推理能力进行研究以后,提出了一种基于知识推理的二阶本体相似技术,解决了循环计算的问题.

基于本体相似的Web服务搜索

随着越来越多的W eb服务被提交到UDD I注册中心注册,搜索一个合适的W eb服务开始变得和在互联网上找到一个合适的页面同样困难。现有的技术主要是通过关键字匹配的技术来对UDD I注册中心W eb服务的描述信息进行检索。但鉴于W eb服务描述信息非常稀疏的特点,传统的信息检索技术并不能得到很好的效果,因此提出了基于本体的W eb服务检索技术。在已有的对W eb服务检索流程的改进的基础上,充分利用了从UDD I注册中心得到的W eb服务描述信息,用本体来描述其内部的关系,并在此基础上应用本体相似技术来比较和匹配W eb服务描述信息。