基于本体的专利摘要知识抽取*

采用知识工程的方法,对“新能源汽车”中文专利摘要进行研究分析,提出了一个基于本体的中文专利摘要抽取模型。通过构建相应的本体、收集相关的词表、撰写相应的规则,并利用这些规则对专利摘要进行知识抽取结果,抽取结果辅助完成专利知识库的自动构建。即就如何组织非结构化信息以及如何自动构建知识库的进行尝试,验证了基于本体对专利摘要进行知识抽取的可行性。     

基于领域本体的信息抽取模式生成与系统实现

面对情报工作者日益增长的从Internet中及时获取特定信息或知识的需求,本文展开了web信息抽取技术在情报领域的应用研究.目前,信息抽取模式的自动获取成为一个技术难点,本文尝试引入基于领域本体的半自动抽取模式获取算法,该方法在领域本体的概念层次关系、属性特征和实例的结构本体指导下,选择其主要特征属性为匹配目标,自动学习并获取抽取模式.利用该算法到直升机产品信息抽取,运行结果验证:该算法简单有效,获得了较高的抽取效率和较准确的抽取结果.     

基于领域本体和语块分析的信息抽取的研究与实现

为了提高信息抽取过程中的语义深层次的理解和准确率,本文提出了一种基于领域本体和语块分析的语义信息抽取方法,在详细说明其信息抽取模型的基础上,重点针对命名实体识别、词性组合模板、基于本体的三元组和二元组规则等关键问题进行了深入的分析和研究,提出了相应的解决方法,并进行了相关试验性研究.结果表明:采用本文所述的系统结构及其技术构建文本信息抽取系统是可行的,其能在深层次语义理解的基础上进一步提高信息抽取的准确率.     

基于领域本体的Web信息抽取方法的设计与实现——以网易汽车资讯网页信息抽取为例

以网易汽车资讯网页信息抽取为例,研究了基于领域本体的Web信息抽取技术的设计与实现.     

基于本体的Web信息抽取研究综述

基于本体的Web信息抽取就是以所构建的本体为核心,利用本体中已定义的概念、分类层次、关系、函数、公理和实例及一些必需的外部资料对Web页面进行信息提取,得到结构化的知识并保存的过程,这一技术已经成为国内外研究的热点之一。文章介绍了信息抽取的历史,给出了基于本体的Web信息抽取一般体系结构模型及相关实现,系统地分析比较了各种基于本体的Web信息抽取方法,指出了目前这些方法实现的关键、得到的结果及其不足之处,展望了Web信息抽取发展的方向。     

基于本体学习与动态内容识别的信息抽取系统自优化研究

随着信息抽取技术的日益发展,信息抽取的准确性、效率、覆盖率以及维护成本等综合性能的提高成为有待突破的核心问题.提升信息抽取系统在运行过程中的自我优化能力是解决这个问题的关键.本文针对目前信息抽取系统优化中存在的人工参与过多、训练集要求过高等问题,提出一种基于本体学习与动态内容识别相结合的自优化方式,即通过动态内容识别结构化抽取结果,借助发掘的新概念促进本体学习,之后用新本体生成新抽取模式,循环迭代,最终实现信息抽取系统不断自优化.最后设计了系统实验方案并进行实验,实验结果证明在该自优化方案下抽取的准确性与覆盖率得到显著提升.     

纪传中基于本体的信息抽取和分析

基于本体的计算机语义分析方法可以有效的解决纪传中时间、人物、事件的提取分析问题.文章首先描述了时间和人物在纪传中的表述方式,然后基于本体对纪传研究领域内概念的描述,研究分析了如何构建纪传中时间和人物本体,以及如何利用这些本体为纪传研究服务.理论和实验证明,基于本体的信息抽取相比其它方式能够获取更高的覆盖率和精确度.     

基于知网和术语相关度的本体关系抽取研究*

 提出一种基于知网和术语相关度的关系抽取方法。首先通过句法分析提取术语的上下文特征,结合自然语言特征和互信息的方法计算术语之间的相关度,然后使用术语的义原和动态角色作为关键词,在知网语义关系框架中定位关系,并为关系指定明确的语义标签。实验结果表明该方法具有较好的实用效果。     

网络信息抽取技术及其在TBT预警中的应用*

研究了一种能够实现对数据型网页中信息实施实时采集的信息技术。该技术能够智能识别表格结构，自动分离数据项，在对数据项的分析判断过程中，采用从单词上分类（By Words）和从表格排列方式（By Structure）划分相结合的方法，以Ontology思想为支撑，融合支持向量机算法（SVM）和隐马尔可夫模型（HMM）等一系列成熟模型。最后通过测试并将该技术应用于TBT预警信息动态采集子系统中，收到良好效果。     

基于本体和DOM相结合的Web信息抽取器

针对基于Web页面信息本体的信息抽取不能准确划定抽取区域的缺点,设计基于本体和DOM相结合的Web信息抽取器。利用DOM树设计对样本页面信息项路径进行归纳学习的算法,该算法能准确划定信息抽取区域,降低页面噪声,实现对Web页面的预处理。实验表明,改进后的抽取方法提高了Web信息的抽准率。     

一个基于本体的信息检索平台

OntoText实验室的KIM项目是笔者经过实际考察，多方面比较分析后挑选出的比较有代表性的基于本体的信息检索应用实例。本文将对该系统进行深入剖析。     

本体论方法在文献型信息检索系统中的应用研究

在研究本体方法应用于文献信息检索的基础上，对基于叙词表的领域初级本体的构建进行研究，对概念词相似匹配的检索要求进行语义上的扩充，通过与本体的交互对检索文档进行过滤，筛选出能更好匹配检索要求的文档。     

基于本体的情报检索学科知识组织体系构建*

分析利用本体来构建学科知识组织体系的研究现状,探讨利用本体构建学科知识组织体系的一般流程,以情报检索学科领域的知识为背景,构建情报检索学科知识组织体系,利用Protégé工具对知识本体进行编辑,利用Ontoviz工具实现知识本体可视化。     

Ontology在信息管理领域的研究背景

文章给出了Ontology的概念，介绍了中文名称的翻译种类；分析了Ontology在国际上处于热点研究领域，国内处于起步阶段；解释了在信息检索领域Ontology的构建方法，研究内容，以及与叙词表的关系；展望了Ontology在图书情报管理中的应用前景。     

基于Ontology的国防产品信息搜索系统*

针对基于关键字的传统搜索方法的不足,提出一种基于本体的信息搜索模型。就Web文本特点,介绍一种领域本体的半自动构建方法,利用基于领域本体的主题概念抽取方法完成语义标注,并实现在国防产品信息搜索中的应用。     

信息抽取系统的研究现状

对信息抽取的概念和发展状况做了论述，介绍了国内外信息抽取系统发展状况，指出了存在的问题以及相应的解决方案，最后对中文信息抽取系统的建设提出了几点建议。     

基于FCA和关联规则的情报学本体构建

提出一种新的领域本体学习方法,结合形式概念分析(FCA)与关联规则挖掘从非结构化文本中获取情报学本体。该方法从文本集中通过种子-扩展机制的方法获取领域核心概念,构建文档概念格(文档×关键词矩阵),在此基础上通过形式概念分析方法来识别概念之间的等级关系,通过关联规则挖掘概念间的相关关系。最后,采用基于"黄金标准"的方法对本体学习的结果进行评价,结果表明:通过这种方法构建的本体可以达到较高的领域知识覆盖率,而且能够识别概念之间部分隐含的关系,从而验证该方法在领域本体的构建中实用且有效。     

基于Ontology的知识协作模式的研究*

阐述利用本体模型(Ontology)实现异构信息系统实现知识协作的想法，提出面向网络信息互操作的松耦合的知识协作模式OKCM，介绍该知识协作模式的系统结构。分析本体模型的知识表示，并结合典型的商务协作流程阐述基于OKCM的知识协作的实现和维护。