面向中文文本的玉米病虫害本体学习研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 206-209.

面向中文文本的玉米病虫害本体学习研究

齐红1，2，官莹莹1，3，刘亚波1，2

1.吉林大学计算机科学与技术学院，长春 130012
2.吉林大学符号计算与知识工程教育部重点实验室，长春 130012
3.鸡西市人民政府办公室政务信息化管理中心，黑龙江鸡西 158100

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Learning ontology of maize pests and diseases from Chinese text

QI Hong1，2，GUAN Yingying1，3，LIU Yabo1，2

1.College of Computer Science and Technology，Jilin University，Changchun 130012，China
2.Key Lab of Symbolic Computation & Knowledge Engineering of Ministry of Education，Jilin University，Changchun 130012，China
3.Goverment Information Management Center，People’s Government Office of Jixi，Jixi，Heilongjiang 158100，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 由于中文和英文在语法和句法等方面的差异，面向中文文本的本体学习方法尚存在一定困难。研究了面向中文文本的玉米病虫害本体学习方法。提出单字合并法，将其与TFIDF方法结合，进行概念抽取;将欧几里德距离与余弦距离加权平均计算概念相似度，进行概念关系抽取。从中国玉米网选取50篇领域文档，应用上述方法构建了玉米病虫害本体。

关键词: 本体学习, 概念抽取, 概念关系抽取, 玉米病虫害本体

Abstract: As Chinese and English are different in grammar and syntax，Chinese text-oriented ontology learning is very difficult.The paper studies the method of learning ontology of maize pests and diseases from Chinese text.Character combining method is proposed and combined with TFIDF to extract concept.The similarity of concepts is measured by Euclidean distance and cosine distance-weighted average in extracting concept relations.Ontology of maize pests and diseases are learned from fifty domain documents of China Maize Network using above methods.

Key words: ontology learning, concept extraction, concept relation extraction, ontology of maize pests and diseases

齐红1，2，官莹莹1，3，刘亚波1，2. 面向中文文本的玉米病虫害本体学习研究[J]. 计算机工程与应用, 2011, 47(20): 206-209.

QI Hong1，2，GUAN Yingying1，3，LIU Yabo1，2. Learning ontology of maize pests and diseases from Chinese text[J]. Computer Engineering and Applications, 2011, 47(20): 206-209.

[1]	阎红灿，张奉，刘保相. 本体构建的粒计算学习模型[J]. 计算机工程与应用, 2017, 53(1): 87-91.
[2]	王宁宁，陈建辉. 基于领域相关性度量的抑郁症药物概念抽取[J]. 计算机工程与应用, 2016, 52(19): 140-145.
[3]	刘玉超. 一种自适应的多粒度概念提取方法——高斯云变换[J]. 计算机工程与应用, 2015, 51(9): 1-8.
[4]	张华楠1，刘胜全2，刘艳1，刘华鹏1，李鹏1. 基于动态权值的多策略领域本体概念自动抽取[J]. 计算机工程与应用, 2014, 50(21): 152-156.
[5]	张玉芳，舒万里，熊忠阳. 结合对数似然比的领域本体概念和关系的提取[J]. 计算机工程与应用, 2013, 49(6): 148-151.
[6]	董丽丽，胡云飞，张翔. 一种领域概念非分类关系的获取方法[J]. 计算机工程与应用, 2013, 49(4): 157-161.
[7]	张斌^1，2，刘增良³，余达太¹，黄洪¹. 基于粗糙集和模糊聚类的政务本体学习模型[J]. 计算机工程与应用, 2010, 46(25): 19-22.
[8]	张瑞玲，王文斌，王秀峰，陈秋双. 实例驱动的自适应本体学习[J]. 计算机工程与应用, 2009, 45(28): 31-34.
[9]	王红滨,刘大昕,王念滨,张万松. 基于非结构化数据的本体学习研究[J]. 计算机工程与应用, 2008, 44(26): 30-33.
[10]	彭劲松,徐德智. 一种关系模式到OWL DL本体的翻译方法[J]. 计算机工程与应用, 2008, 44(12): 166-169.