结合对数似然比的领域本体概念和关系的提取

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (6): 148-151.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

结合对数似然比的领域本体概念和关系的提取

张玉芳，舒万里，熊忠阳

重庆大学计算机学院，重庆 400044

出版日期:2013-03-15 发布日期:2013-03-14

Domain ontology concept and relation extraction using log-likelihood ratio

ZHANG Yufang, SHU Wanli, XIONG Zhongyang

College of Computer Science, Chongqing University, Chongqing 400044, China

Online:2013-03-15 Published:2013-03-14

摘要/Abstract

摘要： 本体学习已成为计算机领域的一个研究热点，目前本体学习的研究重点在于概念及关系的提取。针对现有学习方法准确率不高，提出一种结合对数似然比（Log-Likelihood Ratio，LLR）的本体学习方法，采用对数似然比计算概念与领域及概念与概念之间的相关性，将其应用到概念与关系提取中。实验结果表明，结合对数似然比的学习方法能够有效改进概念和关系提取的准确度。

关键词: 本体学习, 概念提取, 关系提取, 对数似然比

Abstract: Ontology learning has become a hot research in the field of computer. Ontology learning currently focuses on concept extraction and conceptual relation extraction. Concerning the poor accuracy of existing learning methods, a new learning method based on Log-Likelihood Ratio（LLR） is proposed. In this way, the concepts and concept pairs can be extracted from Chinese text for estimating the significance of concepts and conceptual relations. The experimental results show that the method can effectively improve the performance of concept extraction and relation extraction.

Key words: ontology learning, concept extraction, relation extraction, Log-Likelihood Ratio（LLR）

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.

ZHANG Yufang, SHU Wanli, XIONG Zhongyang. Domain ontology concept and relation extraction using log-likelihood ratio[J]. Computer Engineering and Applications, 2013, 49(6): 148-151.

[1]	陈伟，徐云. 基于文献挖掘的生物实体关系提取研究[J]. 计算机工程与应用, 2021, 57(7): 115-120.
[2]	刘博闻，范春晓. 基于位置感知能力胶囊网络的实体关系提取[J]. 计算机工程与应用, 2021, 57(6): 101-107.
[3]	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.
[4]	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.
[5]	麦热哈巴·艾力1，2，阿孜古丽·夏力甫3，吐尔根·依布拉音1，2. 维吾尔语多词表达抽取方法研究[J]. 计算机工程与应用, 2014, 50(8): 26-30.
[6]	董丽丽1，李欢1，张翔1，刘闫锋2. 一种中文领域概念词自动提取方法研究[J]. 计算机工程与应用, 2014, 50(6): 127-131.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	屈兰谢显中张德民. 两种LDPC译码算法在OFDM系统应用中的改进[J]. 计算机工程与应用, 2007, 43(7期): 129-132.

结合对数似然比的领域本体概念和关系的提取

Domain ontology concept and relation extraction using log-likelihood ratio

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics