知識元標引系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、現(xiàn)代社會是一個知識社會，每天都會涌現(xiàn)大量的知識信息。目前的文獻標引方式大多是采用分類法或主題法，這兩種標引方法難以有效為用戶提供針對問題的解決方案。文獻信息資源可以根據(jù)文獻的外形特征信息及內(nèi)容特征信息進行關(guān)聯(lián)檢索，但檢索結(jié)果輸出的仍是文獻，并不能全面準確提供知識信息。 知識元標引可使知識被有效的檢索、利用，實現(xiàn)知識創(chuàng)新和增值，為用戶提供針對性的知識服務(wù)，能很好的解決以上問題。知識元是知識的最小單位，以知識元為單位的知識標引為用戶

2、提供的不再是文獻，而是文獻中的具體知識，在一定程度上滿足了人類對知識組織、知識管理、知識服務(wù)的需求。 本文在分析了已有信息資源存在的問題后，設(shè)計并實現(xiàn)了知識元標引系統(tǒng)，主要研究工作體現(xiàn)在以下幾個方面： （1）介紹了知識元的相關(guān)理論。對目前的知識組織方式進行了綜述，同時對知識元的概念、特點、分類、結(jié)構(gòu)等進行了詳細闡述，并利用RDF/XML數(shù)據(jù)模型描述知識元。 （2）對知識元標引系統(tǒng)進行了詳細設(shè)計，包括體系結(jié)構(gòu)設(shè)計、

3、功能模塊設(shè)計、數(shù)據(jù)庫設(shè)計等。同時，根據(jù)知識元標引流程將標引系統(tǒng)分為三個功能子模塊：預(yù)處理模塊、句子提取模塊和知識元提取模塊。 （3）提出了一種基于向量空間模型和改進的TFIDF算法的關(guān)鍵詞提取方法。在分析了傳統(tǒng)的TFIDF權(quán)重算法之后，考慮到特征項出現(xiàn)的位置不同對文本的影響不同，在TFIDF算法基礎(chǔ)上增加了位置權(quán)重系數(shù)，對文獻空間中的每個詞進行權(quán)重計算，并進行了實驗，結(jié)果表明改進的算法提高了關(guān)鍵詞提取的準確度。 （4）實