基于本体和语义距离的DBpedia领域知识抽取方法

• 作者: 孟明明 张志申 张晓明 王会勇 艾青
• 来源期刊: 现代电子技术
• 关键词: DBpedia 领域本体 直接链接子图语义距离算法 知识抽取 抽取策略 筛选
• 年，卷（期）: 2018,（13）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 128-132,137
• 页数: 6页
• 分类号: TN911.1-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.13.029

摘要

关联开放数据(LOD)中蕴藏着大量不同领域的知识,但是目前抽取其中特定领域知识的方法大多需要人工参与.为了能自动地抽取领域知识,提出根据领域本体抽取DBpedia中特定领域知识的方法.使用领域本体、Wikipedia和主题提取算法获得用于抽取领域知识的种子关键词集.在直接链接子图语义距离算法中,添加能够代表边指向性权值的参数,用于领域知识的抽取,并基于本体和字符串相似度比较的筛选策略对抽取的知识进行筛选.通过实验表明,该方法不仅能够获得较好的抽取效果,而且不需要人为地挑选关键词和参与筛选过程,极大地节省了时间和精力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓明	河北科技大学信息科学与工程学院	29	166	7.0	12.0
2	王会勇	河北科技大学信息科学与工程学院	13	18	3.0	3.0
3	孟明明	河北科技大学信息科学与工程学院	2	3	1.0	1.0
4	张志申	河北科技大学信息科学与工程学院	1	1	1.0	1.0
5	艾青	河北科技大学信息科学与工程学院	1	1	1.0	1.0