基于多文本知識源的知識修正與獲取.pdf

1、知識獲取是知識工程中關鍵的一環(huán)，而從文本知識源中獲取專業(yè)知識是一種重要而常用的途徑。但從文本中獲取知識并不簡單，不管是手工獲取還是機器獲取，領域專家所使用的概念都很難被識別和抽取出來。另外，由于自然語言的歧義性、非規(guī)范性和文本知識源的多樣性，常常會產生知識不一致性問題。
　　知識獲取的途徑主要有三種：第一種是將文本中的概念和關系直接自動的抽取出來的自動化知識獲取方式；第二種是依靠人工操作進行知識獲取的非自動化知識獲取方式；第三種是

2、人機交互合作的半自動化知識獲取方式。通過對上述三種知識獲取途徑的分析，本文選取第三種方式進行知識的獲取。
　　知識獲取與知識表示兩者密不可分，知識獲取的前提是采用合適的方法將知識表示出來。只有知識得到了合適的表示，才能更好的實現(xiàn)知識的獲取和合理運用。本體作為一種形式化的、概念化的知識表示方法，可以將概念間的語義關系通過層次結構很好的體現(xiàn)出來，而且通過對相同領域中概念的統(tǒng)一，可以實現(xiàn)知識的互通和重復利用。同時，框架表示法作為本體的一

3、種描述語言，可以將概念中所包含的屬性和屬性值形象、直觀的表示出來，有利于對不同知識源中的同一事物或概念進行分析和比較，實現(xiàn)知識不一致性的檢測與修正。因此，本文采用基于本體的框架表示對知識進行獲取。
　　針對知識獲取過程中的不一致性問題，本文首先提出了框架提取算法，實現(xiàn)了文本知識到知識框架的自動獲取。其次，利用概念格對框架集的相關性進行分析，為知識框架的檢測與合并奠定了基礎。然后，對知識不一致性的類型進行了分析和總結，如概念名稱不一