本体学习中概念间分类关系抽取方法的研究

• 作者: 林君萍
• 来源期刊: 中国科技投资
• 关键词: 本体学习 分类关系 概念 向量空间
• 年，卷（期）: 2016,（30）
• 所属期刊栏目: 专题研究
• 页码范围: 16-17
• 页数: 2页
• 字数: 3687字
• 语种: 中文

摘要

现有的中文本体学习中,对于概念间的分类关系研究比较多,但多数是面向手工的方式或通过半自动的方法来实现概念间分类关系的获取.半自动的方法主要有基于词典的方法、基于模式匹配的方法,由于中文语言的复杂性单纯的使用这些方法来进行分类关系的获取得到的效果都不是很理想.本文提出一种方法,利用向量空间模型表示概念的上下文信息.在新的分词结果中,只名词和动词作为上下文信息,降低了向量空间模型构建的复杂度.利用欧式距离与余弦距离的加权方法计算概念间的相似度,提高了度量的准确度.最后通过层级聚类法获取概念间的分类关系.实验结果表明本文的方法可以实现对概念间分类关系语义的获取具有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林君萍		4	1	1.0	1.0