植物领域知识图谱构建中本体非分类关系提取方法

采用本体学习的方法,以百度百科植物类词条内容的非结构和半结构化中文文本信息作为语料进行处理。使用一种有指导的基于依存句法分析的词汇-语法模式来获取植物领域的概念、分类和非分类关系,并分别利用基于词表过滤的方法和给模式添加限制的方法,较大程度地提高了关系抽取的精确度,完成在轻量级本体的基础上自动构建重量级本体。该方法建立了一个特定领域语料的概念层次,提高了最具代表性的分类和非分类关系的发现,并使用OWL语言形式化表达抽取结果。实验表明,该方法在非分类关系抽取上取得了较好的结果,为该领域知识图谱构建奠定了基础。

汉语领域术语非分类关系抽取方法研究

本体是知识组织的有效方式,也是构建语义网的重要环节,而概念非分类关系又是本体的重要组成部分。由于术语是概念的外在表达,因此本文在深入分析当前国内外术语非分类关系抽取研究的基础上,引入共现分析、结构分析、模板构建、逻辑推理等方法和技术构建了面向汉语领域非结构化文本的术语非分类关系抽取模型,分别从内容和结构两个不同的角度抽取术语非分类关系。论文提出了模型的主要运行流程以及各功能模块的主要组成部件,对主要组成部件的具体实现进行了探讨,并对相关方法的局限性进行了论述。本文的研究为术语非分类关系抽取提供了新的思路,丰富了知识发现方法,同时也能为实现可行有效的知识组织提供参考。

基于扩展关联规则的中文非分类关系抽取

提出一种扩展的关联规则法用于抽取中文非分类关系,在利用普通关联规则抽取出非分类关系概念对后,通过语言学规则抽取相应的非分类关系名称。该方法克服了普通关联规则法无法得出具体非分类关系名称的缺点,能够确定非分类关系的定义域和值域。实验结果表明仅使用扩展的关联规则法进行非分类关系抽取即可完成任务,无须对概念对与"谓语"动词之间的紧密程度进行验证。

基于NNV关联规则的非分类关系提取方法及其应用研究

针对传统的非分类关系提取方法无法获得非分类关系的名称的不足,提出基于NNV(noun-noun-verb,名词名词动词)关联规则的非分类关系提取方法。给出NNV关联规则的相关概念及方法的实现过程,提取了民航突发事件应急管理领域本体中的非分类关系,完善了民航突发事件应急管理领域本体。与传统的非分类关系提取方法相比,有效获取了非分类关系的名称,保证了结果的准确率和召回率。

从Web中提取中文本体非分类关系的方法

为了有效地学习本体中的非分类关系以协助知识工程师构建领域本体,提出了一种在中文领域本体学习环境中自动获取概念之间非分类关系的方法,该方法以Web为数据源来提取候选关系并计算信息分布的统计特征,把动词作为发现非分类关系的中心点,把领域相关的动词作为种子来检索领域相关概念并用来标记相应的关系。该方法的学习结果是一个多级分类关系和非分类关系组成的语义体系。最后,通过对"癌"本体相应关系的提取及其性能分析,表明了该方法的学习结果和性能。

中文专利领域本体概念间非分类关系抽取

将中文专利本体中实体间非分类关系抽取问题限定为满足SAO结构的实体间关系抽取问题。针对SAO结构关系抽取任务中关系实例结构正确但是语义错误的问题,提出一种句法分析特征和关系词词典特征结合传统特征的关系抽取方法。将新特征和上下文特征、距离特征等传统特征相结合,使用支持向量机进行关系抽取实验。实验结果表明,该方法优于仅使用传统特征的关系抽取方法。

非分类关系学习的粒计算模型研究

以领域信息系统为研究对象,探讨学习非分类关系的粒计算模型。通过信息函数的扩展,给出了领域信息系统的形式化描述;研究了领域信息系统的粒化方法和领域概念粒度空间生成;对不同领域概念粒度空间,通过分析粒间上下文,提出了基于不同领域概念粒度空间的概念粒间交叉关系学习模型。示例与测试表明所提出的模型有助于实现领域本体的非分类关系的获取。

一种领域概念非分类关系的获取方法

领域概念非分类关系的获取是本体学习的一项重要任务,提出了一种基于非监督学习的非分类关系自动获取方法。该方法首先通过关联规则获取特定领域概念对,然后将概念对之间的高频动词作为候选的非分类关系标签,接着利用VF*ICF度量法来确定非分类关系标签,最后通过对数似然比评估方法将得到的非分类关系标签分配给对应的领域概念对。实验结果表明该方法可以有效提高非分类关系抽取的准确率和召回率。

基于语义依存的中文本体非分类关系抽取方法

为了解决中文本体非分类关系抽取问题,提出了基于语义依存分析的非分类关系抽取方法。利用语义角色标注和依存语法分析思想,分析得到了文本句子的语义依存结构,提取其中具有语义依存关系的动词框架,通过计算语义相似度,发现了动词框架中概念间的非分类关系和关系名称。实验结果表明该方法能够有效地实现非分类关系的抽取和关系的语义标注。

面向领域本体非分类关系的语义相关度计算方法

针对民航突发事件领域本体非分类关系的语义查询扩展问题,提出一种面向领域本体非分类关系的语义相关度计算方法。该方法在数据属性方面,提出基于属性类型和属性值的语义相关度计算方法;在对象属性方面,针对查询词与本体概念或实例存在多种对象属性问题,提出基于对象属性的语义相关度计算方法,并结合领域本体在民航突发事件案例的语义查询过程给出了该方法的实现效果分析。该方法不仅有效地提高了语义查询的准确率和查全率,也为民航突发事件的应急决策提供了更好的方法支持。

基于SAO结构的非分类关系抽取研究

针对非分类关系抽取中的关系识别问题,提出利用SAO结构和依存句法分析相结合的识别方法。该方法将中文专利领域的非分类关系抽取问题转化为符合SAO结构的识别问题,通过SAO结构中的动词信息可以解决关系识别的问题,并在此基础上,利用依存句法分析得到的依存关系强度结合传统的特征,分别对新特征、词特征、上下文特征、距离特征的有效性进行验证分析。实验结果表明,该方法优于传统方法,也验证了依存句法分析在非分类关系抽取中的可行性。

融合词性和注意力机制的舆情本体非分类关系抽取研究

针对目前大多数非分类关系抽取方法忽略词性和部分局部特征的问题,提出融合词性信息和注意力机制的BiLSTM模型.利用预训练词向量和词性标注工具,将舆情信息语义词向量和词性词向量作为BiLSTM的输入来获取句子高维语义特征,解决长距离依赖问题.利用词语层注意力机制计算2个概念与上下文词语的相关性,获取句子的上下文语义信息.通过构建句子层的注意力来降低噪声数据的权重,减少错误标签的干扰,进而完成舆情本体概念间非分类关系的抽取.最终在新闻网站上抽取11227条数据进行了验证.结果表明,该方法的精确率(P)和召回率(R)相比于其他方法更好地实现了非分类关系的抽取,验证了该方法的有效性.

基于主题爬虫的本体非分类关系学习框架

提出一种借助主题爬虫自动从返回的相关网页进行本体非分类关系学习的框架与方法。针对利用互联网进行本体学习的特点,所用到的主要方法是词频、共现统计和分割聚类算法K-Means,并没有采用复杂的语法结构分析和半指导聚类算法如EM、BIRCH和SOM,因此自动化程度和效率较高。学习结果将用于指导主题爬虫进行网页相关性的判断。这种非分类关系的学习质量将由主题爬虫在实际应用中的表现来客观评价。

维基百科中基于语义依存的领域本体非分类关系获取方法研究

中文本体非分类关系的获取一直是一个难题,本文以维基百科为语料库,提出一种基于语义依存的本体非分类关系提取方法,经过词性标注和语义分析,得到具有语义依存关系的动词框架,再进行句子相似度计算,识别非分类关系,并标注非分类关系。

基于非分类关系提取技术的知识图谱构建

知识图谱能够实现海量、复杂、异构信息的有机关联。提出一种自动化、持续化的知识图谱构建技术,对知识图谱构建进行系统架构设计,架构中包含数据采集、命名实体识别、语法语义分析、实体关系提取四大模块,其中命名实体识别和实体关系提取是关键技术。其一命名实体识别用于对主要实体对象进行识别,在分词和词性标注过程中实现分词库和词性库的自动扩充;其二在实体关系提取技术中,对非分类关系提取技术进行研究:采用基于关联法则和语义关系的非分类关系提取技术,自动发现概念间的关系,并通过语义标记这种关系;采用基于规则和机器学习的非分类关系提取技术,形成规则库、语料句式库,不断训练、验证,实现持续改进。后续还应继续提升知识图谱在系统运行状态进行自动化、持续化构建的能力,在不依赖于知识库的基础上实现知识图谱体系的自主形成。

事件本体中的非分类事件关系研究综述

本文在已有的事件关系研究的基础上,分析并探讨了目前事件关系研究中存在的问题;通过对大量语料的进行分析,基于认知语言学的凸显理论和事件的时空特征,对以往的事件非分类进行筛选、补充和再分类,总结出了一套较为完善的事件非分类关系体系。

基于网站结构的领域本体学习方法

为了完善问答系统、搜索平台等信息检索系统对本体的应用需求,提出了一种基于网站结构的领域本体学习方法,该方法对网站结构进行分析,通过挖掘网站结构中所隐藏的知识进行本体学习,实践证明该方法可以更快、更准确地获取特定领域中的概念、概念层次以及概念间的非分类关系,最终帮助构建本体。

基于改进关联规则的本体关系获取研究

文章提出一种改进的关联规则方法,用于抽取文本中的非分类关系。首先利用基于上下文的术语相似度获取方法得到术语间的相似度权重,再通过加入谓语动词的关联规则算法计算,结合搜索引擎技术得到候选关系对集合,并通过置信度和支持度的对比分析,抽取最终的非分类关系结果,最后对测试数据进行实验,并对结果进行分析。

中文专利中本体关系获取研究

介绍从中文专利摘要文本中抽取本体非分类关系的方法。首先对摘要文本的句法格式进行分析,按照"领域句式"、"特征句式"、"组件\工艺句式"和"效果句式"等构建子句抽取规则,再利用B、I、E和O等标注符号对子句中的术语进行人工标注,形成一定规模的训练语料集合,并利用CRFs实现训练语料的学习和新语料的抽取。最后给出应用实例并进行分析,验证方法的有效性。

中文专利本体半自动构建系统设计

为充分发挥知识组织在企业专利战略中的作用,在分析专利文献的基础上,根据中文专利文献句法描述的特点,利用最大串频匹配、蚁群聚类、多层KMeans聚类、改进关联规则计算、基于规则和CRFs的术语关系抽取等算法,设计出一套领域本体的半自动构建系统,包括术语抽取、分类关系抽取、非分类关系抽取、本体形式化等模块,初步实现结构化数据和非结构化文本的本体半自动构建。