基于SVM算法的本體實(shí)例分類改進(jìn)研究.pdf

1、信息技術(shù)和Internet的不斷的發(fā)展,不僅帶來了總量上的“信息過載”問題,而且還有結(jié)構(gòu)性的“信息短缺”以及各種“信息陷阱”、“信息迷霧”等問題,使得獲取特定信息的難度不斷加大,因此,有學(xué)者提出知識工程的思想來專門研究如何有效地對知識進(jìn)行處理。知識工程主要包括知識表示、知識獲取以及知識管理三個(gè)基本課題,其中知識表示是知識工程的核心。研究發(fā)現(xiàn),本體能夠很好的表示領(lǐng)域知識,并且能夠提供計(jì)算機(jī)能夠理解的形式化語義信息,促進(jìn)計(jì)算機(jī)之間的通信和互

2、操作,讓計(jì)算機(jī)模擬人腦的功能準(zhǔn)確地、自動(dòng)地對信息進(jìn)行處理。
　　 本體自動(dòng)擴(kuò)充是當(dāng)前本體研究的熱點(diǎn)問題,所謂本體自動(dòng)擴(kuò)充是指自動(dòng)地對語料進(jìn)行處理,從中抽取出本體概念實(shí)例,在實(shí)例與本體概念之間建立關(guān)系,最終建立起本體種群。本體自動(dòng)擴(kuò)充研究中最關(guān)鍵的部分是本體實(shí)例的分類,即通過特定的分類算法計(jì)算實(shí)例與概念之間的相似度,一方面把識別出的本體實(shí)例填充到相應(yīng)的本體概念當(dāng)中去,另一方面盡可能多的識別出本體概念的實(shí)例,提高本體實(shí)例分類的準(zhǔn)確率

3、和召回率。
　　 目前,本體實(shí)例分類的研究主要通過借鑒人工智能、機(jī)器學(xué)習(xí)等領(lǐng)域的研究方法進(jìn)行研究,所應(yīng)用到的方法主要有兩類,一類是基于規(guī)則的方法,這種方法通過構(gòu)建實(shí)例識別、分類的規(guī)則來實(shí)現(xiàn)本體的自動(dòng)擴(kuò)充。另一種基于統(tǒng)計(jì)的方法,通過標(biāo)注語料訓(xùn)練或自學(xué)習(xí)的方式建立統(tǒng)計(jì)模型,進(jìn)而利用該模型抽取本體概念實(shí)例實(shí)現(xiàn)本體自動(dòng)擴(kuò)充。
　　 作為在人工智能、機(jī)器學(xué)習(xí)等領(lǐng)域的研究中廣泛應(yīng)用的算法之一——支持向量機(jī)算法,能夠被用來解決本體實(shí)例

4、的分類問題。支持向量機(jī)(SVM)是一種向量空間模型(VSM),它把對文本內(nèi)容的處理簡化為向量空間中的向量運(yùn)算,并且它以空間上的相似度表達(dá)語義的相似度,通過計(jì)算向量之間的相似性實(shí)現(xiàn)實(shí)例的分類。
　　 本文提出了一種SVM算法的改進(jìn)模型即Onto-Bt-SVM模型,它主要是針對SVM算法難以解決多類分類問題以及特征向量構(gòu)造難度大兩方面的問題進(jìn)行改進(jìn)。本文的改進(jìn)策略主要體現(xiàn)在兩個(gè)方面:第一,利用本體自身的概念結(jié)構(gòu)和二叉樹模型組織SVM