基于中文文本的疾病领域本体学习的研究

• 作者: 侯丽鑫 王国春 王璐 贺海涛 郑山红
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 本体学习 非结构化数据 关联规则 位图 层次聚类
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 76-81
• 页数: 6页
• 分类号: TP39
• 字数: 4014字
• 语种: 中文

摘要

为提高领域本体概念及概念之间关系提取效率和准确率,提出基于中文文本的领域本体学习模型.在提取候选概念的过程中,采用修改后的关联规则频繁项计算方法对合成词进行处理,并结合位图存储分词处理后术语间的物理相邻关系,再通过计算领域相关度和领域一致度对候选概念进行筛选,最后利用关联规则可信度和层次聚类的方法分别提取概念间的非分类关系和分类关系.实验结果表明,该模型对领域本体学习具有合理性,提出的算法与基于互信息的本体学习相比较,在概念和关系的提取上具有较高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王璐	长春工业大学软件职业技术学院	44	110	6.0	8.0
2	郑山红	长春工业大学计算机科学与工程学院	60	249	8.0	12.0
3	侯丽鑫	长春工业大学计算机科学与工程学院	3	7	1.0	2.0
4	王国春	长春工业大学软件职业技术学院	20	74	5.0	8.0
5	贺海涛	长春工业大学计算机科学与工程学院	4	16	2.0	4.0