基于Web的通用本体学习研究

【摘要】：语义Web提出以来，本体(Ontology)正在成为人工智能和知识工程中一种重要的工具，在知识的获取、表示、分析和应用等方面具有重要的意义。从本体开发的角度来说，由于借助本体编辑器(如Protégé)手工开发本体是一个繁重和棘手的任务，极易导致知识获取的瓶颈。因此，Web本体的可获取性已被学术界公认为是制约语义Web成功的巨大挑战之一。从现有信息源，包括文本、词典、遗留知识库、WWW文档等，获取领域知识、以自动方式构建或扩充本体，即所谓的本体学习(OntologyLearning)，是开发本体的有效途径。 目前国际上在本体学习方面的研究非常活跃，虽然已经提出了很多本体学习方法，但大部分方法都不理想。由于缺乏统一的本体学习体系结构概念和方法，虽然开发了一些本体学习方法，但这些方法难以被其他系统重用。当前本体学习系统工具多是原型系统，不能大规模实时处理网上海量信息源，也缺乏中文语料处理能力。同时，目前还缺乏有效的评价本体学习结果的标准和方法，不利于本体学习方法和工具的进一步发展。 本文就是在开放的网络环境下，综合运用机器学习和自然语言处理方法，按照分层技术原理，提出了一种新的分层本体学习方法体系，并实现了一种基于Web的多策略本体学习工具GOLF，然后讨论了本体演化和评价方法，并对本体学习框架GOLF进行了实验和评价。本文的主要研究内容如下： (1)提出了一种分层本体学习方法体系，其中包括术语自动抽取、概念学习、实例学习和分类关系学习和非分类关系学习多种关键技术。在对现有学习方法做大量改进的基础上，完全实现了本体学习全过程的无缝集成，并且在本体学习系统中集成了本体评价模块。 (2)开发了基于Web的多语种通用本体学习工具GOLF，并采用Web文档作为本体学习源，进行了跨领域、多语种实验。同时，实现本体学习过程中的本体演化管理，并对学习结果进行评价和反馈。 (3)在本体学习中引入多策略学习方法，以提高学习质量。各学习算法的组合框架采用概率组合分布，可根据不同的语料特征为每个算法设定权值，从而增强了对不同领域语料的适应性。通过实验对比分析，在学习结果的准确率和召回率方面，GOLF系统都比著名的Text2Onto系统更好。 (4)实现了中文语料的本体学习。本文所提出的方法和工具能够很好地处理多语种语料，与同类系统(大多只能处理西文文本)相比，对中文的处理能力明显加强；特别针对中文的语言学特征，引入HowNet语义词典，添加了对应于中文文本的语言学模式和停用词表，性能有明显改善。 (5)提出了一种新的基于贝叶斯决策理论的本体评价方法RiMOE，并采用RiMOE