[发明专利]基于Bootstrapping技术的领域本体概念自动获取方法

权利要求书

1.基于Bootstrapping技术的领域本体概念自动获取方法，其特征在于，首先为了解决无法提取复合形式领域概念的问题，本方法基于互信息和左、右信息熵提取了复合词语；然后基于共现句频的候选概念判定条件从中提取出候选领域概念；之后应用M评价和T评价结合的方法对候选概念进行评价，将其中符合评价标准的领域概念提取出来，并将评价值较高的领域概念选作重要概念进行新一轮的学习过程；为了避免遗漏出现频率较低、语义相似的领域概念，本方法引入了语义因素，通过计算语义相似度提取出语义相似的领域概念；最后给出了详细的算法，包括复合词语的提取、语义相似的判定及领域概念的获取3个部分。

2.根据权利要求1所述的方法，其特征在于，基于互信息和左、右信息熵提取了复合词语，复合词语由多个词语组合而成，复合词语经过分词后会被切分为若干个词语，这些词语之间存在着一定的相关性，此外，复合词语本身与上下文还存在着依赖关系，因此本文将通过给定的阈值，计算字符串的互信息以及字符串的左信息熵和右信息熵来判定字串是否是复合词语。

3.根据权利要求1所述的方法，其特征在于，提出了基于共现句频的候选概念判定条件，并根据判定条件提取候选领域概念，判定条件基于这样的假设：如果某个词语或组成复合词语的各个词语和领域概念在一个句子中共同出现达到一定的频率的话，那么这个词语或复合词语就有可能也是该领域的领域概念，判定条件如下：

F(w)≥FminΣi=1nMin(F(wi,IW))F(w)≥Sminw∉stopwordslist]]>

4.根据权利要求1所述的方法，其特征在于，应用M评价和T评价结合的方法对候选概念进行评价，将其中符合评价标准的领域概念提取出来，并将评价值较高的领域概念选作重要概念进行新一轮的学习过程。

5.根据权利要求1所述的方法，其特征在于，引入了语义因素，通过计算语义相似度提取出语义相似的领域概念。对于从语料库中提取出的词语w，首先基于词语的上下文信息计算其与重要概念集合中的每个领域概念的语义相似度sim(w，IW)，若语义相似度的值大于给定的阈值t_sim，再计算词语在语料库中的支持度S(w，IW)，若S(w，IW)大于领域概念必须达到的最小支持度S_min，则认为w是领域概念。由此得出语义相似的领域概念应满足的条件如下：

sim(w,IW)≥tsimΣi=1nMin(F(wi,IW))F(w)≥Sminw∉stopwordslist]]>