基于Web挖掘的领域本体自动学习
为获取领域本体并量化概念关系的可信度,提出了一种基于Web挖掘的学习模型.通过可扩展的模式集和分布语义模型获取本体主干,使用关联规则发现概念间的一般关系,对候选本体进行修剪和合并.模式可信度、概念语义距离与关联特征决定了概念间关系的可信度.通过”文本分析-本体获取-文本扩充”的迭代过程,优化模型参数和阈值.该模型解决了现有本体学习方法对词典或核心本体的依赖性、以及不能对关系进行可信度量化的问题.实验证明了所提出模型的有效性。
机器学习 Web挖掘 自然语言处理 本体 模式可信度 主题签名 上下文签名
方卫东 袁华 刘卫红
华南理工大学,计算机科学与工程学院,广州,510640
国内会议
北京
中文
1729-1733
2005-09-26（万方平台首次上网日期，不代表论文的发表时间）