面向領(lǐng)域文檔的自動(dòng)語義標(biāo)注方法研究.pdf

1、信息時(shí)代萬維網(wǎng)已經(jīng)成為人類獲取信息的主要渠道之一，在人們的日常生活、工作學(xué)習(xí)、商業(yè)科研等社會(huì)生活中扮演著日益重要的角色。與此同時(shí)，網(wǎng)頁數(shù)量呈指數(shù)級(jí)的飛速增長(zhǎng)，而當(dāng)前萬維網(wǎng)實(shí)際上只是一種面向人的存儲(chǔ)和共享信息的媒介，缺乏語義互操作性，機(jī)器無法智能完成從海量信息中快速、準(zhǔn)確地定位到所需信息。為此，Tim Berners-Lee提出了語義Web；語義Web是智能網(wǎng)絡(luò)，它脫胎于萬維網(wǎng)；萬維網(wǎng)面向的是文檔，而語義Web面向的則是文檔所表示的數(shù)據(jù)；

2、通過給萬維網(wǎng)上的文檔添加機(jī)器可以理解的語義，從而使整個(gè)萬維網(wǎng)成為一個(gè)通用的信息交換媒介。對(duì)當(dāng)前Web中呈無結(jié)構(gòu)和半結(jié)構(gòu)的信息添加語義信息，將Web的狀態(tài)從機(jī)器可讀提高到機(jī)器可理解就是語義標(biāo)注的主要研究?jī)?nèi)容；語義標(biāo)注是語義Web實(shí)現(xiàn)的基石。
　　 現(xiàn)有語義標(biāo)注系統(tǒng)還存在以下一些問題：標(biāo)注系統(tǒng)一般對(duì)通用概念進(jìn)行標(biāo)注，不能根據(jù)不同領(lǐng)域知識(shí)的特點(diǎn)進(jìn)行有效標(biāo)注；手動(dòng)、半自動(dòng)的標(biāo)注或多或少都需要人工干預(yù)，不利于大規(guī)模應(yīng)用；而自動(dòng)化的語義標(biāo)注

3、準(zhǔn)確率還有待提高。另外，當(dāng)前語義標(biāo)注系統(tǒng)幾乎都只面向英文文檔進(jìn)行標(biāo)注，中文文檔的語義標(biāo)注系統(tǒng)寥寥無幾。
　　 本文介紹和分析了語義Web、本體以及語義標(biāo)注技術(shù)的現(xiàn)狀，并著重研究了如何應(yīng)用語義相似度的方法實(shí)現(xiàn)領(lǐng)域文檔自動(dòng)語義標(biāo)注的問題。本文的主要工作和特色如下：
　　 ①針對(duì)現(xiàn)有標(biāo)注系統(tǒng)對(duì)領(lǐng)域文檔標(biāo)注的不足和缺陷，本文基于領(lǐng)域本體引入了對(duì)命名實(shí)體進(jìn)行語法和語義分析的思想，提出了結(jié)合維基語義相似度和編輯距離的標(biāo)注方法。該標(biāo)注