[发明专利]一种本体概念及层次关系生成方法

摘要

本发明涉及本体学习领域，特别涉及到一种本体概念及层次关系生成方法。本发明的技术方案是将PAM概率主题模型应用于本体概念及层次的抽取，改进本体概念及层次关系学习的效果，以达到更加准确有效地生成本体概念。该方法首先通过建立基于PAM的本体概念及层次生成模型，将领域本体概念学习问题有效地转化为基于领域文档集的统计推断问题，采用Gibbs抽样的方法来获取概率分布特征向量；然后进行基于Wordnet的语义相似度计算，根据相似度关联关系生成概念，从而得到本体概念的集合及其层次关系。本发明能够更加准确有效地获取领域本体中的概念集合及概念间层次关系。

主权项

一种本体概念及层次关系生成方法，其特征在于，包括如下步骤：(1)文档预处理，构建本体术语集合：给定关于某专业领域的一组文档集合，通过词性标注、词干提取、去掉停用词等预处理技术，获取语料库中的有用信息，进而构成术语集；(2)词频统计，生成词频矩阵：基于文档中术语出现频率的统计，生成一个文档‑术语的频率矩阵，即词频矩阵，矩阵中的每一项记录了每个术语在语料库中每个文档中出现的频率；(3)模型推断：概率主题模型通过引入隐藏变量的中间层以表达文档和词之间的连接关系，根据语料库中的文档以及文档中观测到的词频矩阵，通过PAM概率主题模型的迭代，采用Gibbs抽样算法，统计推断出隐含变量的后验分布信息，每个概念主题关联的术语及其关联概率特征项；(4)语义关联度判定，概念学习：通过基于Wordnet的Jiang&Conrath语义相似度判定方法，结合已获得的后验分布信息，根据每个子主题分布下的一组术语间的语义相似度来抽象出一个概念；(5)关系抽取：根据步骤(3)得出的后验分布信息，重复所述步骤(4)，直至所有的主题‑词分布都抽样生成概念，得到概念集；再根据主题间的概率分布以及相似度计算方法，抽样得到超主题层对应的概念，从而得到概念集中概念间的层次关系。