面向文本的本体学习方法  

Test-oriented ontology learning methods

作　　者：王俊华[1,2,3] 左万利[1,2] 彭涛[1,2] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]吉林大学符号计算与知识工程教育部重点实验室,长春130012 [3]长春工业大学计算机科学与工程学院,长春130012

出　　处：《吉林大学学报（工学版）》2015年第1期236-244,共9页Journal of Jilin University:Engineering and Technology Edition

基　　金：国家自然科学基金项目(60973040);国家自然科学青年基金项目(60903098;61300148);吉林省重点科技攻关项目(20130206051GX);吉林省科技计划青年科研基金项目(20130522112JH)

摘　　要：借助文本预处理工具Gate和通用本体Word Net,采用统计、频繁项挖掘、模式匹配、启发式学习和主动学习等技术,学习本体基元——概念(含实例)、概念间的分类关系、概念间的语义关系和概念属性,其中概念属性学习为本文首次提出。实验结果表明,本文方法改善了概念语义排歧效果,丰富了短语概念学习与语义关系学习,提高了本体自动构建的准确度,降低了本体学习的代价。The techniques of statistics, frequent item mining, pattern matching, heuristic learning and active learning are employed to learn the concepts （including instances）, taxonomic relations, semantic relations and the concept properties from the documents based on preprocessing tool Gate and general ontology WordNet. The concept property learning was first proposed in this paper. Experiment results show that the proposed ontology learning method can improve the effect of word semantic disambiguation, enrich phrase concept learning and semantic relationship learning, increase the accuracy of automatic ontology construction and reduce the cost of ontology learning.

关 键 词：人工智能 本体学习 主动学习 模式匹配 频繁项挖掘 启发式学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.1[自动化与计算机技术—控制科学与工程]