领域文本知识获取方法研究及其在考古领域中的应用

《领域文本知识获取方法研究及其在考古领域中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学院计算技术研究所博士学位论文领域文本知识获取方法研究及其在考古领域中的应用姓名：张春霞申请学位级别：博士专业：计算机软件与理论指导教师：曹存根20050601领域文奉知识获取方j杰研究及戴在Z古颈域中的应用t摘要(4)一种牺驱动的多层语境的领域个体知识获取方法。首先根据槽词汇在文本中的出现情况，将槽分为显式槽，隐式槽和混合槽。然后根据槽的分类提出了三种领域个体知识获取方法。第一种是本体层级语境与槽驱动的显式槽的知识获取；第二种是本体层级语境与槽值驱动的隐式槽的知识获取；第三种是语言层级语境驱动的隐式槽的知识获

2、取．以往知识获取方法中采用的语境是基于语言层的，一个语言层语境只能提取个体的一个或几个槽的槽值．本文提出了一种本体层语境，是语言层语境的一种抽象和概括，一个本体层语境可以提取个体的一类槽的槽值．它是从本体的角度为知识获取而设计的．根据语境构成、语境关系、语境内容和共享性构建了语境的分类体系，从而将庞杂繁多的语境进行了有机地组织和分类。(5)语境的构建、扩充、匹配和验证方法．语境是进行领域个体知识获取的重要依据，语境的数量和质量对获取知识起着举足轻重的作用。为了快速准确地获取大量领域知识，需要研究语境构建、学习，匹配和

3、验证等问题，目的是减少构建语境的数量和有效解决语境爆炸和人工构建费时费力问题。本文提出了基于聚类的语境构建方法；引入了两种语境之间的操作泛化和合并来扩充语境。基于语境的项之间的等同关系和蕴涵关系，分析了语境匹配冲突的本质原因和面向项的语境匹配冲突消解方法。最后提出了一种基于有序决策表的语境验证方法，用于验证语境的冗余性和矛盾性。关键词；国家知识基础设施，领域知识获取本体，领域概念获取，领域概念上下位关系学习，描述流提取，个体知识获取，信息提取，语境，考古领域领域文奉知识扶取方泣研究压韭在考古颚，点中的应用=Abslr

4、adAResearchonMethodsofKnowledgeAcquisitionfromDomain—SpecificTextsandTheirApplicationinKnowledgeAcquisitionfromArchaeologicalTextsZhangChunxia(ComputerSoftwareandTheories)DirectedbyCanCungenIntheCUlleatinteractage,thevolume,SOurces，andformsofinformationareunder

5、goingessentialchanges，duetoinformationexplosionandgloballzation．HowtointelligentlyprocessthemassiveinformationonWebpageshasbecomeaveryurgentproblem．Transformatianfrominformationintoknowledgeandtransitionfromjneermationinfrastructuretoknowledgeinfrastrocturelife

6、importantresearchareasinthe21stcentury．Bothofthetwotasksaimatachievingthegoahttingthe“RightInformation”tothe“RiglltPeople”inthe“Riglltlanguage”intIIe“础ghtTime[rome”atthe“RightLevelofGranularit旷．Currently,oneofthehotiSSuesistextminirig,whichiStoextractUSetlIlinf

7、ormationfromfreetexts．Itraisesnewchallengeaandexigentneedsforknowledgeacquisitionfromtext(K卸．Thedissertationaddressesthemethedsofdomain-specificconceptacquisition,domain—specifichyponymylearning,descriptivestreamextraction，andinstanceknowledgeacquisition，andthe

8、irapplicationsinknowledgeacquisitionfromarchaeok'西caltexts．Themaincontributionsofthisdisserlationaresumma[izedasfollows：(1)Proposingahybridapproachtoextractingdomain-specifi