資源描述：
《基于本體的Web 信息抽取及本體的構(gòu)建實現(xiàn)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基于本體的web信息抽取及本體的構(gòu)建實現(xiàn)研究賈賽1，喬鴻2（1．山東師范大學管理與經(jīng)濟學院管理科學與工程系，山東濟南250014；2．山東師范大學管理與經(jīng)濟學院管理科學與工程系，山東濟南250014）摘要：本文對當前熱門的基于本體的web信息抽取技術(shù)進行了分析，對比兩種基于本體的web信息抽取模型，為用戶和應用程序服務；之后從本體構(gòu)建的角度對他們進行微博人物信息實例分析，本體的設計與實現(xiàn)都是對他們的權(quán)衡指標，指導信息抽取行為。關(guān)鍵字：web信息抽??；本體；抽取模型；微博中圖分類號：TP393Ontology-BasedInformationExtractionfromWebSour
2、cesandRealizationofOntologyConstructionJIASai1,QIAOHong2(1.SchoolofManagementandEconomics,ShandongNormalUniversity,JinanShandong250014,China;2.SchoolofManagementandEconomics,ShandongNormalUniversity,JinanShandong250014,China)Abstract:Thispaperanalysesthecurrentpopulartechnologyofontology-based
3、informationextraction,andcontraststhetwomodelsofontology-basedinformationextractionfortheuserandapplicationservice.Thenfromtheangleofontologyconstructionwecanusetheinstanceanalysisofmicroblogpersonalinformationtobalancethedesignandrealizationofontologymethod,directactivityofinformationextracti
4、on.Keywords:WebInformationExtraction;Ontology;ExtractionModel;MicroBlog可以看到，在信息時代的今天，信息的增長速度已經(jīng)是讓我們瞠目結(jié)舌，隨著web的發(fā)展，在web上的各種各樣的信息也以不同的形式分布，我們該如何在這些繁多的，無結(jié)構(gòu)的web信息中找到我們真正需要的，就成了我們現(xiàn)在急需要解決的問題；web信息抽取就是為了這個目的而存在，把web中的信息變成結(jié)構(gòu)化的，更有語義的模式結(jié)構(gòu)。而在web信息抽取技術(shù)中，基于本體的web信息抽取是其中一個比較重要的方向，它的實現(xiàn)可以幫助用戶更方便地在信息海洋中找到自己需要的信息
5、，減少應用程序的資源浪費，適合人們的需求。1相關(guān)概念1．1本體本體（Ontology）的概念最初起源于哲學領(lǐng)域，20世紀70年代末JohnMcCarthy將這個哲學術(shù)語引入到計算機領(lǐng)域，在人工智能界，最早給Ontology定義的是Neches等人。他們將Ontology定義為“給出構(gòu)成相關(guān)領(lǐng)域詞匯的基本術(shù)語和關(guān)系，以及利用這些術(shù)語和關(guān)系構(gòu)成的規(guī)定這些詞匯外延的規(guī)則定義”。1993年，Gruber給出了Ontology的一個最為流行的定義[1-2]，即“Ontology是概念模型的明確規(guī)范說明”。Ontology的目標是捕獲相關(guān)領(lǐng)域的知識，提出供該領(lǐng)域知識的共同理解，確定該領(lǐng)域內(nèi)共同
6、認可的詞匯，并從不同的層次的形式化模式上給出這些詞匯(術(shù)語)和詞匯間相互關(guān)系的明確定義。1．2領(lǐng)域本體領(lǐng)域本體(DomainOntology)，是專業(yè)性的本體，描述的是特定領(lǐng)域中的概念和概念之間的關(guān)系，提供了某個專業(yè)學科領(lǐng)域中概念的詞表以及概念間的關(guān)系，或在該領(lǐng)域里占主導地位的理論，能夠獨立的存在和被使用。1．3web信息抽取web信息抽取(WebInformationExtraction)是將web作為信息源的一類信息抽取。簡單的說，web信息抽取是指從web頁面中抽取用戶感興趣的信息而過濾掉不相關(guān)的信息，具體的是指研究如何將分散在半結(jié)構(gòu)化web頁面中的信息提取出來，并以結(jié)構(gòu)化、
7、語義更為清晰的模式表示，它為用戶在web中查詢數(shù)據(jù)、應用程序直接利用web數(shù)據(jù)提供了便利[3]。輸入信息抽取系統(tǒng)的是原始文本，輸出的是固定格式的信息點。其主要功能就是把信息點從各種各樣的文檔中抽取出來，然后以統(tǒng)一的形式集成在一起。2基于領(lǐng)域本體的web信息抽取這里我們研究的是基于領(lǐng)域本體的web信息抽取，這也是現(xiàn)在應用比較廣泛，相對比較成熟的一種技術(shù)實現(xiàn)；基于領(lǐng)域本體的web信息抽取的一個重要特點是具有較強的針對性，被抽取的通常是某個特定的類型的文檔，即包含了一些較為
