基于文本的本體學(xué)習(xí)技術(shù)研究

朱杰

摘? 要：本體學(xué)習(xí)的數(shù)據(jù)源有多種多樣，其中基于文本的本體學(xué)習(xí)是目前本體學(xué)習(xí)中研究的重點(diǎn)，該文從本體學(xué)習(xí)分類(lèi)、本體學(xué)習(xí)內(nèi)容、本體學(xué)習(xí)過(guò)程以及目前本體學(xué)習(xí)研究中存在的主要問(wèn)題等本體學(xué)習(xí)技術(shù)進(jìn)行了研究。本體越來(lái)越多的應(yīng)用在知識(shí)工程、人工智能等多個(gè)領(lǐng)域。目前本體采用的最廣泛的定義為“本體是共享概念模型的形式化規(guī)范說(shuō)明”。本體是描述某個(gè)領(lǐng)域甚至更廣范圍內(nèi)的概念及概念之間的關(guān)系，使得這些概念和關(guān)系在共享的范圍內(nèi)具有大家認(rèn)可的、明確的、唯一的定義，這樣，人機(jī)之間以及機(jī)器之間就可以進(jìn)行交流。目前本體的構(gòu)建基本都是基于手工方式完成的，手工構(gòu)建方式需要依靠專(zhuān)家意見(jiàn)和計(jì)算機(jī)技術(shù)，雖然可以保證質(zhì)量，但費(fèi)時(shí)費(fèi)力，嚴(yán)重影響了本體的應(yīng)用推廣。本體學(xué)習(xí)是解決本體構(gòu)建的重要手段，它綜合使用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等技術(shù)自動(dòng)或半自動(dòng)地構(gòu)建本體。

關(guān)鍵詞：本體學(xué)習(xí)分類(lèi)? 本體學(xué)習(xí)內(nèi)容? 本體學(xué)習(xí)過(guò)程

中圖分類(lèi)號(hào)：TPl81 ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）10（a）-0255-02

1? 本體學(xué)習(xí)分類(lèi)

因本體學(xué)習(xí)中需要處理的數(shù)據(jù)源結(jié)構(gòu)的不同，本體學(xué)習(xí)技術(shù)分為以下三大類(lèi)。

1.1 基于結(jié)構(gòu)化數(shù)據(jù)的本體學(xué)習(xí)技術(shù)

面向結(jié)構(gòu)化數(shù)據(jù)的本體學(xué)習(xí)主要針對(duì)一些結(jié)構(gòu)規(guī)范、關(guān)聯(lián)明確的數(shù)據(jù)。主要包括關(guān)系數(shù)據(jù)庫(kù)等其他類(lèi)型數(shù)據(jù)庫(kù)中的數(shù)據(jù)。

1.2 基于非結(jié)構(gòu)化數(shù)據(jù)的本體學(xué)習(xí)技術(shù)

非結(jié)構(gòu)化數(shù)據(jù)沒(méi)有固定結(jié)構(gòu)，主要包括純文本、圖形、音視頻等。其中文本數(shù)據(jù)是大量存在并且非常重要的一類(lèi)非結(jié)構(gòu)化數(shù)據(jù)。由于文本數(shù)據(jù)含有豐富的語(yǔ)義信息，需要通過(guò)統(tǒng)計(jì)以及機(jī)器學(xué)習(xí)等方向進(jìn)行本體學(xué)習(xí)。

1.3 基于半結(jié)構(gòu)化數(shù)據(jù)的本體學(xué)習(xí)技術(shù)

半結(jié)構(gòu)化數(shù)據(jù)是指缺乏嚴(yán)格結(jié)構(gòu)的數(shù)據(jù)。如Web中的HTML數(shù)據(jù)和XML數(shù)據(jù)。對(duì)這些數(shù)據(jù)可以綜合使用結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的處理方法進(jìn)行處理。

2? 本體學(xué)習(xí)內(nèi)容

Alexander Maedche等[1]將本體的結(jié)構(gòu)描述為一個(gè)五元組：O：={C，R，Hc，rel，Ao}，其中C表示概念集合、R表示關(guān)系集合、Hc表示概念間的分類(lèi)關(guān)系，rel表示非分類(lèi)關(guān)系，Ao表示本體的公理集合。因此，概念的獲取、概念關(guān)系的獲取以及公理是本體學(xué)習(xí)研究的重點(diǎn)內(nèi)容。

2.1 概念的抽取

從純文本中抽取概念是利用本體學(xué)習(xí)技術(shù)進(jìn)行構(gòu)建本體的關(guān)鍵。

2.1.1 基于語(yǔ)言學(xué)方法

通過(guò)分析概念、術(shù)語(yǔ)的詞法規(guī)則，構(gòu)建相關(guān)匹配模板，然后利用匹配模板進(jìn)行概念抽取。這種方法的主要依據(jù)是：領(lǐng)域概念具有特殊的語(yǔ)法模板或語(yǔ)法結(jié)構(gòu)，而且這是和特定語(yǔ)言相關(guān)聯(lián)的。

2.1.2 基于統(tǒng)計(jì)的方法

利用特定領(lǐng)域概念出現(xiàn)的頻率來(lái)抽取領(lǐng)域概念。這種方法的依據(jù)是：普通詞匯和領(lǐng)域詞匯之間在統(tǒng)計(jì)特征上是有很大差別的，這種方法可以識(shí)別領(lǐng)域概念。

2.1.3 混合方法

混合方法是將語(yǔ)言學(xué)和統(tǒng)計(jì)學(xué)的方法結(jié)合起來(lái)，利用兩種方法的優(yōu)點(diǎn)來(lái)進(jìn)行相關(guān)概念的抽取。

根據(jù)目前的研究狀況，國(guó)內(nèi)外研究中只要是基于統(tǒng)計(jì)的方法。

2.2 概念關(guān)系的抽取

杜小勇等人[2]在獲取本體中概念之間關(guān)系時(shí)主要考慮兩種類(lèi)型的關(guān)系： 分類(lèi)關(guān)系和非分類(lèi)關(guān)系。其中分類(lèi)關(guān)系是構(gòu)成本體的基本骨架，使得本體具有明確的層次結(jié)構(gòu)，目前常用的分類(lèi)關(guān)系包含以下幾種。

（1）基于模板的方法。

基于模板的方法是對(duì)相關(guān)領(lǐng)域文檔進(jìn)行分析，總結(jié)出那些頻繁出現(xiàn)的模式作為規(guī)則，對(duì)文本中的詞序列與某個(gè)模式進(jìn)行匹配判斷，若含有則識(shí)別出相應(yīng)的關(guān)系。采用基于規(guī)則的方法優(yōu)點(diǎn)是：可將符合規(guī)則的語(yǔ)言模式準(zhǔn)確地匹配出來(lái);缺點(diǎn)是：由于語(yǔ)言的復(fù)雜性及多樣性，匹配的準(zhǔn)確度相對(duì)較低。

（2）概念聚類(lèi)的方法。

聚類(lèi)是一種無(wú)監(jiān)督學(xué)習(xí)，能夠?qū)⑾嗨频膶?duì)象歸到同一類(lèi)中。聚類(lèi)時(shí)對(duì)概念間的語(yǔ)義距離進(jìn)行計(jì)算，依據(jù)數(shù)據(jù)對(duì)象的相似性進(jìn)行分類(lèi)。目前主要的聚類(lèi)方法有[3]：層次聚類(lèi)算法、劃分式聚類(lèi)算法、基于網(wǎng)格和密度的聚類(lèi)算法等。

2.3 公理的學(xué)習(xí)

當(dāng)前對(duì)公理的學(xué)習(xí)還比較少，這也是本體學(xué)習(xí)后續(xù)需要重點(diǎn)研究的方向。

2.3.1 本體學(xué)習(xí)過(guò)程

圖1是本體學(xué)習(xí)系統(tǒng)框架，在該框架下本體學(xué)習(xí)的主要步驟。

（1）預(yù)處理模塊：將各種數(shù)據(jù)源進(jìn)行分詞、詞性標(biāo)注等預(yù)處理。

（2）學(xué)習(xí)模塊：利用統(tǒng)計(jì)、機(jī)器學(xué)習(xí)等算法進(jìn)行本體學(xué)習(xí)。

（3）將學(xué)習(xí)得到的本體呈現(xiàn)給用戶(hù)。

（4）用戶(hù)采用評(píng)價(jià)、編輯模塊對(duì)本體學(xué)習(xí)結(jié)果進(jìn)行判斷與評(píng)價(jià)。

（5）將學(xué)習(xí)完成的本體添加到本體庫(kù)中。

2.3.2 本體學(xué)習(xí)研究中存在的問(wèn)題

目前本體學(xué)習(xí)主要面向的是領(lǐng)域本體，可擴(kuò)展性不強(qiáng)，很難直接應(yīng)用于其他領(lǐng)域，但對(duì)于一般通用本體的自動(dòng)、半自動(dòng)構(gòu)建研究不多。目前概念關(guān)系的抽取主要是分類(lèi)關(guān)系，對(duì)于非分類(lèi)關(guān)系的抽取研究不夠深入，并且現(xiàn)有的方法主要依靠淺層語(yǔ)言處理，很難發(fā)現(xiàn)概念之間深層次的關(guān)系[4]。目前本體學(xué)習(xí)工具的功能都比較簡(jiǎn)單，由于中文的復(fù)雜性，比如中文分詞問(wèn)題、一詞多性、一詞多義等，目前針對(duì)中文的本體學(xué)習(xí)工具很少，并且基本都處于原型階段。目前對(duì)本體學(xué)習(xí)效果的評(píng)價(jià)標(biāo)準(zhǔn)還比較缺乏，如何對(duì)本體學(xué)習(xí)結(jié)果進(jìn)行評(píng)價(jià)，是后續(xù)需要重點(diǎn)研究的方向。

參考文獻(xiàn)

[1] Maedche A，Staab S.Ontology Learning for the Semantic Web[A].In：Proceedings of the IEEE Intelligent Systems[C].2001.

[2] 杜小勇，李曼，王珊，等.本體學(xué)習(xí)研究綜述[J].軟件學(xué)報(bào)，2006，17（9）：1837-1847.

[3] 孫吉貴，劉杰，趙連宇，等.聚類(lèi)算法研究[J].軟件學(xué)報(bào)，2008，19（1）：48-61.

[4] 劉柏嵩，高濟(jì).面向知識(shí)網(wǎng)格的本體學(xué)習(xí)研究[J].計(jì)算機(jī)工程與應(yīng)用，2005（20）：1-5.

[5] Studer R，Benjamins V R，F(xiàn)ensel D.Knowledge engineering，PrineiPlesAnd methods[J].Data and Knowledge Engineering，1998（25）：161-197.