基于动态权值的多策略领域本体概念自动抽取

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (21): 152-156.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

基于动态权值的多策略领域本体概念自动抽取

张华楠1，刘胜全2，刘艳1，刘华鹏1，李鹏1

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.新疆大学现代教育技术中心，乌鲁木齐 830046

出版日期:2014-11-01 发布日期:2014-10-28

Automatic extraction method of domain ontology concepts based on dynamic weight multi-strategy

ZHANG Huanan1, LIU Shengquan2, LIU Yan1, LIU Huapeng1, LI Peng1

1.School of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Modern Educational Technology Center, Xinjiang University, Urumqi 830046, China

Online:2014-11-01 Published:2014-10-28

摘要/Abstract

摘要： 为了提高中文领域本体概念抽取的自动化程度及准确率，提出了一种基于动态权值的多策略中文领域本体概念自动抽取方法。针对中文领域本体概念的特点，采用自动学习的规则学习模式，筛选出候选概念，将改进的DR&DC、TF-IDF和NC-Value三种策略融合，对候选概念进行领域归属度排序，将最终权重超过阈值的概念存入最终概念集合。实验证明了该方法抽取领域概念的可行性和有效性。

关键词: 动态权值, 本体学习, 多策略, 概念抽取

Abstract: To improve the automation degree and accuracy of Chinese domain ontology concept extraction, a method of concepts automatic extraction based on dynamic weighted multi-strategy integration is proposed. This paper filters out the candidate concepts according to the rule templates using automatic learning; and then improved DR&DC, TF-IDF and NC-Value are integrated; it sequences the degree of domain membership of the candidate concept sets, and puts concepts whose weight exceeds the threshold value into final concept sets. After lots of experiments, the feasibility and validity of this method are proved.

Key words: dynamic weight, ontology learning, multi-strategy, concept extraction

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.

ZHANG Huanan1, LIU Shengquan2, LIU Yan1, LIU Huapeng1, LI Peng1. Automatic extraction method of domain ontology concepts based on dynamic weight multi-strategy[J]. Computer Engineering and Applications, 2014, 50(21): 152-156.

[1]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[2]	魏锋涛，卢凤仪. 融合核函数在改进径向基代理模型中的应用[J]. 计算机工程与应用, 2019, 55(7): 58-65.
[3]	周萍1，2，章伟2，张文芳1. 高效强安全的多策略虚拟企业交互认证方案[J]. 计算机工程与应用, 2017, 53(23): 91-96.
[4]	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.
[5]	雷瑞龙，侯立刚，曹江涛. 基于多策略的多目标粒子群优化算法[J]. 计算机工程与应用, 2016, 52(8): 19-24.
[6]	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.
[7]	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.
[8]	董丽丽，黄贲，介军. 云计算中基于差分进化算法的任务调度研究[J]. 计算机工程与应用, 2014, 50(5): 90-95.
[9]	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.
[10]	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.
[11]	朱冰，齐名军. 混合粒子群优化算法[J]. 计算机工程与应用, 2012, 48(9): 47-50.
[12]	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.
[13]	杜敏，赵全友. 基于动态权值集成的手写数字识别方法[J]. 计算机工程与应用, 2010, 46(27): 182-184.
[14]	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.
[15]	李鹏，徐德智，尹艳. 动态多策略本体映射与集成方法研究[J]. 计算机工程与应用, 2009, 45(30): 150-153.

基于动态权值的多策略领域本体概念自动抽取

Automatic extraction method of domain ontology concepts based on dynamic weight multi-strategy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics