基于本體的電子產(chǎn)品實體關(guān)系抽取研究.pdf

1、隨著因特網(wǎng)和信息產(chǎn)業(yè)的快速發(fā)展,越來越多的信息出現(xiàn)在人們面前,許多新興的信息處理技術(shù)也應(yīng)運(yùn)而生。作為其中基礎(chǔ)研究項目的關(guān)系抽取技術(shù)自然成為研究的熱點之一。關(guān)系抽取在信息檢索、專家系統(tǒng)、垂直搜索等領(lǐng)域有著廣泛應(yīng)用,對其研究具有深遠(yuǎn)意義。
　　 本文首先分析比較了關(guān)系抽取的各種技術(shù),并著重研究了機(jī)器學(xué)習(xí)方法中的支持向量機(jī)(SVM)算法。研究發(fā)現(xiàn)傳統(tǒng)的關(guān)系抽取技術(shù),例如SVM等,對簡單關(guān)系抽取的效果很好,但因其不具有語義識別能力,所以

2、對復(fù)雜關(guān)系的抽取存在一定困難。針對這一問題本文在人工智能領(lǐng)域的本體方向找到了解決方案。在對本體進(jìn)行了系統(tǒng)研究,對本體建模元素、構(gòu)建方法深入分析后,本文結(jié)合電子產(chǎn)品特征提出了一種適用于關(guān)系抽取系統(tǒng)的領(lǐng)域本體建設(shè)方法,并選取電子產(chǎn)品中的筆記本電腦領(lǐng)域作為代表進(jìn)行具體實現(xiàn)。在此基礎(chǔ)上為解決上述問題,本文提出一種基于融合模式的關(guān)系抽取方法。該方法利用機(jī)器學(xué)習(xí)領(lǐng)域中的支持向量機(jī)(SVM)算法進(jìn)行單一關(guān)系抽取,再使用本體對單一關(guān)系排錯后,將其融合為