基于Semantic Turkey的主题词表及本体构建应用研究

主题词表及本体是语义化知识管理系统的基础数据支撑,对领域知识的语义化组织及知识图谱的构建具有重要意义。在建设公共危机案例知识集成平台的过程中,采用开源软件Semantic Turkey开发主题词表及本体构建功能,并在此基础上实现规范数据录入、词表导航、知识映射等功能,从而支持进一步的语义检索和知识推理。构建的主题词表及本体模型基于语义网标准与技术,具有良好的规范性和互操作性。开源软件Semantic Turkey提供了功能完备的应用程序编程接口,与完全自主开发相比,降低了开发成本,缩短了开发时间,为语义化知识管理系统的开发工作提供新思路和参考依据。

基于教材文本语料库的自适应主题词表构建——以经济类专业为例

[目的/意义]构建一套面向汉语非母语学习者的专业词表对专业学习和国际中文教育学科建设及发展具有重要意义。[方法/过程]针对当前外向型专业词表较少及构建方法单一问题,本文首先从网站爬取小说、新闻和论坛留言构建参照语料库,根据教育部专业课程设置目录,选取专业教材构建专业教材语料库,运用TF-IDF-TF算法遴选专业主题词并构建词共现矩阵,利用凝聚聚类法实现专业主题词聚类。在此基础上,计算词簇内主题词的语义相关性,选取语义共现度最大的词作为词簇中心词,并根据语义相关性编排词表。最后,以经济学类专业为例构建面向留学生的专业主题词表。[结果/结论]结果表明,本文构建的经济类专业主题词表能够较好地提取专业词汇且有效地将语义关联度紧密的专业主题词聚类在同一词簇内,学习者能够快速有效获取相关词簇进行专业自适应学习,并为其他专业主题词表的构建提供了依据。

试论中国古代乐器文物主题词表的需求与构建方法

古代乐器文物是我国历史和文化传承的重要载体,是我国古代音乐文明发展的实物见证。文章回顾了乐器研究和文物领域的传统乐器分类方式,检视国内外博物馆当前的乐器文物检索结果与呈现;进一步分析盖蒂研究所艺术与建筑叙词表中乐器分类方式的参考性,讨论基于乐器文物工具书和相关权威文献构建我国古代乐器文物主题词表的思路与方法,以利乐器文物信息的发现、检索与利用。

话题任务驱动下《国际中文教育中文水平等级标准》词表的主题化重构

以话题任务目标驱动词汇学习是一条值得探索的教学路径,而系统权威的主题框架和主题词表建设是这一教学模式得以高质量实现的基础性工作。本研究以《国际中文教育中文水平等级标准》为指导,通过对“话题任务内容”的梳理与整合,构建起一个覆盖面广、层次丰富,包含8个一级主题、41个二级主题和130个三级主题的主题框架。在此框架下对《等级标准》词表进行主题化重构,形成了有别于词频导向的主题聚类词表,并就主题词表在具体教学中的应用提出了三点建议,即话题的针对性选取、任务的多元化设计,以及词表的全过程介入。

国外电子政务主题词表编制及网络应用的比较分析

本文对加拿大、澳大利亚、英国和新西兰等国外电子政务主题词表编制及网络应用现状作了对比分析,并对我国电子政务主题词表的编制和实现提出了建议.

基于汉语主题词表的统计机器翻译训练数据筛选方法及实验研究

统计机器翻译的训练数据通常来源复杂,主题多样,文体不一,与待翻译目标文本的领域不能保证完全一致,导致领域自适应问题。目前统计机器翻译的领域自适应方法以目标数据为基准,着重对训练数据或者翻译模型进行领域的适应调整,但其缺乏数据明确的领域标签。本研究利用《汉语主题词表》的领域知识,对数据进行领域归类,并将其应用到统计机器翻译中。通过汉语句子进行领域自动标注,生成测试集和开发集的领域标签集合,利用领域标签集合筛选训练数据。经过在统计机器翻译系统上进行测试,仅利用部分训练数据就获取了与原始训练数据可比较的翻译结果,证明了本研究方法的有效性和可行性。

跨领域多来源主题词表集成与服务研究

在调研现有领域主题词表情况的基础上,结合Web Service技术和知识组织技术,针对国家科技热点监测的需要,提出了跨领域、多来源主题词表的集成服务框架。集成服务框架的核心是知识组织工具体系,它包括:主题词表转换适配器、主题词表RDFS表示、概念融合工具,主题词表应用程序访问接口等,并对语义集成过程及关系构词进行了重点分析。

基于文献标引词频统计的《中国中医药学主题词表》选词研究

目的通过对文献标引词频进行统计与分析,为中医药主题词表修订的选词提供依据。方法以《中国中医药期刊文献数据库》近5年的文献标引词为数据来源,利用MS Access对主题词、关键词进行词频统计,再对结果进行分类与分析。结果 245680篇文献涉及主题词18796个,其中中医主题词6940个,标引使用的中医主题词占2007年版《中国中医药学主题词表》中主题词的83.47%;15个类目主题词利用率最低的是药用动植物类(69.97%),其次是自然科学类(71.01%)和中医精神疾病和心理学类(82.81%)。245 680篇文献涉及关键词136 832个,其中词频≥10次的关键词3485个,经分析剔除无意义词576个,初步推荐预选新主题词或入口词368个,其余2541个供词表修订时根据实际需要进行选择。结论词频统计结果与分析为新版词表修订选词提供了依据。

基于中国档案主题词表的自动标引控制研究

本文阐述一种基于中国档案主题词表的自动标引方法 ,并给予实现。该方法将切分关键词和标引主题词融为一体 ,合理地构造了词典 ,并讨论了其中的一些关键技术问题。

基于《中国分类主题词表》的领域本体构建研究

论述了本体和传统信息组织方法——分类、主题法之间的区别与联系,讨论了各自的优缺点,并在此基础之上提出了基于分类、主题法的领域本体构建方法,最后将其应用于中国民族音乐领域本体的构建。

《中国中医药学主题词表》“中药功能分类”主题词选词研究

目的研究《中国中医药学主题词表》(以下简称《词表》)中药功能分类主题词选词原则与方法,为新版词表修订提供依据。方法基于《词表》编制总则,根据中医药文献数据库词频统计和相关数据库检索结果,参考2010年版《中华人民共和国药典》及《中药大辞典》《中华本草》等相关资料,对2008年版《词表》中药功能分类主题词进行选词研究,拟确定新版词表此类主题词。结果 2008年版《词表》中药功能分类主题词1679个,其中拟删除39个,拟新增135个,拟修改8个,并按中药主要功效归类将此类主题词进行位置调整。结论新版《词表》中药功能分类主题词选词主要依据使用词频,对主题词依据中药主要功效进行归类整理,避免冗余。

医学主题词表（MeSH）专指度研究

本文从词表先组度、词量及词量系数、标引及检索四个不同角度探讨厂ＭｅＳＨ表的专指度问题，认为ＭｅＳＨ表的收词量及专指度较为适宜，不失为词表中的典范，只是对于那些覆盖文献量过大的主题词应采取措施进一步细分，以利于标引和检索。

基于扩展主题词表的页岩气领域本体构建研究

我国地质资源丰富,但资源标准化程度低、语义不一致、应用难度大。因此,按知识结构组织地质资源是地质信息管理和服务的重中之重。随着互联网技术的不断发展,基于本体的语义检索技术逐渐成为知识服务的基础与热点。与以往基于主题词表的领域本体构建方法不同,对主题词表进行了全面的扩展,概念上参照《页岩气知识读本》、《非常规油气地质》等书进行归并增删;关系上除保留《石油主题词表》的"用代分属参"基本关系外新增了方法、定义等描述信息;同时设计添加了主题词表所不具备的实例。通过一系列的概念扩展、关系扩充、属性定义和实例添加,最终清晰地展示了页岩气领域的知识脉络,为领域知识服务奠定了坚实基础。

《汉语主题词表》简单知识组织系统表示的自动转换设计

《汉语主题词表》是我国第一部大型综合性的广泛使用的叙词检索语言词表,如何实现该词表与其他词表的互操作,促进其在语义网环境下的应用发展具有重要意义。本文利用W3C组织颁布的简单知识组织系统(SKOS)的研究成果,讨论《汉语主题词表》的SKOS表示方法。为提高表示效率,运用Java技术,在定义《汉语主题词表》数据库结构和各个数据表之间逻辑关系的基础上,明确了从数据库向SKOS语言表示的自动转换思路,并设计代码完成转换。

《汉语主题词表》轮排索引的功能及计算机编制

轮排索引是叙词表不可缺少的组成部分。通过字面成族，汉语轮排索引具有显示叙词概念之间各种关系的功能，因而在受控标引或自然语言的标引和检索中具有重要作用。本文总结了《汉语主题词表》轮排索引的主要编制技术，包括计算机辅助编制系统、自动切分。

《汉语主题词表》与英文超级科技词表概念映射构架设计

在网络时代，知识组织体系映射有利于实现信息的集成检索与获取。文章设计了《汉语主题词表》（工程技术版）与英文超级科技词表的概念映射模型，包括中文与英文词表的概念语义映射方法、概念映射数据描述、机器辅助和最短距离映射规则等，并讨论了中英文双语检索模型的应用前景。同时，基于英文超级科技词表的概念关系网络及其中文规范译名，提出了《汉语主题词表》扩充和完善的方法，从而更好地实现中英文概念映射，使英文超级科技词表在知识检索和知识发现中发挥更大的作用。

有关中英文版中医药学主题词表的研究

为适应传统医学信息发展及国内外相关需求,开展中英文版中医药学主题词表的研究工作。按照与《中国中医药学主题词表》中文版相一致、与MeSH词表相兼容、以标准参考资料为依据的原则,建立相关技术标准,研制词表编辑系统。在此基础上,建立包含1 000条词条的中英文版中医药学主题词表示范数据库。对建立中英文双语版中医药学主题词表进行有益的探索。

医学主题词表(MeSH)评述

MeSH是迄今医学领域使用最广泛也最权威的词表。本文拟从MeSH词表的系统结构、词汇性能出发概述 MeSH的特点及它在情报语言理论上值得我们借鉴的地方。

电子政务主题词表应用系统中主题标引算法研究

从政务文献主题标引的需求出发 ,面向《电子政务主题词表》的网络应用 ,探讨政务文献主题标引的方法和技术 ,提出了词典法和N gram提取技术相结合的实用算法。这一算法可以弥补传统的词典法由于政务文献涉及层面广泛和新词出现频繁所带来的词汇不足的问题。同时 ,讨论了利用该词表进行赋词标引的有关问题。

基于主题词表与百科知识相融合的领域本体自动构建研究

在进行大规模领域本体的构建时,基于手工方式的构建模式效率较低并且可行性较差。为了解决大规模领域本体的自动化构建问题,提出了一种领域主题词表与网络百科知识库相融合的两阶段领域本体自动化构建方案。第一阶段,进行主题词表至本体的粗映射,形成领域粗糙本体;第二阶段,采用改进的同义词词林与编辑距离相似度相结合的方式对百科知识与粗糙本体进行自动融合、自适应调整和扩充,形成含有丰富语义信息的、良构的领域本体。基于两阶段方法自动化地构建了大规模中国电子政务领域本体(Chinese E-Gov Ontology),从而验证该方法的可行性和有效性。