Please wait a minute...
Advanced Search
现代图书情报技术  2008, Vol. 24 Issue (9): 36-40     https://doi.org/10.11925/infotech.1003-3513.2008.09.06
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
基于知网和术语相关度的本体关系抽取研究*
傅继彬1  刘杰2  贾可亮3  毛金涛1
1(北京理工大学计算机科学技术学院 北京 100081)
2(首都师范大学信息工程学院 北京 100037)
3(山东经济学院信息管理学院 济南 250014)
Ontoloy Relationship Extraction Research Based on HowNet and Term Relevancy Degree
Fu JibinLiu JieJia KeliangMao Jintao1
1(School of Computer Science and Technology, Beijing Institute of Technology, Beijing 100081, China)
2 (School of Information Engineering, Capital Normal University, Beijing 100037, China)
3 (School of Information Management, Shandong Economic University, Jinan 250014, China)
全文: PDF (431 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

 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。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
毛金涛
贾可亮
傅继彬
刘杰
关键词 关系抽取本体学习知网自然语言处理    
Abstract

The paper proposes a relationship extraction method based on HowNet and term relevancy degree. Firstly syntax parsing tools are used to extract context feature of terms, and natural language feature and statistical mutual information measure are integrated to compute relevancy degree of terms,then dynamic role and sememe are used as key to seek the relationship in HowNet semantic relationship framework, and explicit semantic lable is designated to the relationship. Experimental results show that the approach is effective.

Key wordsRelationship extraction    Ontology learning    HowNet    NLP
收稿日期: 2008-06-19      出版日期: 2008-09-25
ZTFLH: 

TP391

 
基金资助:

* 本文系教育部博士点基金项目“受限领域自动问答系统研究”(项目编号:20050007023)的研究成果之一。

通讯作者: 傅继彬     E-mail: fujibin@gmail.com
作者简介: 傅继彬,刘杰,贾可亮,毛金涛
引用本文:   
傅继彬,刘杰,贾可亮,毛金涛. 基于知网和术语相关度的本体关系抽取研究*[J]. 现代图书情报技术, 2008, 24(9): 36-40.
Fu Jibin,Liu Jie,Jia Keliang,Mao Jintao. Ontoloy Relationship Extraction Research Based on HowNet and Term Relevancy Degree. New Technology of Library and Information Service, 2008, 24(9): 36-40.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2008.09.06      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2008/V24/I9/36

[1] Pantel P, Lin D. A Statistical Corpus-based Term Extractor[C]. In: Proceedings of the 14th Biennial Conference of the Canadian Society on Computational Studies of Intelligence: Advances in Artificial Intelligence, Ottawa,2001:36-46.
[2] Harris Z. Mathematical Structures of Language[M]. Wiley,1968.
[3] Lee L. Measures of Distributional Similarity[C]. In: Proceedings of  the 37th Annual Meeting of the Association for Computational Linguistics(ACL),Maryland USA, 1999:25-32.
[4] 董振东,董强. KDML — 知网知识系统描述语言[EB/OL].[2006-06-25]. http://www.keenage.com/html/e_index.html.
[5] Hearst M A. Automatic Acquisition of Hyponyms from Large Text Corpora[C]. In: Proceedings of the 14th International Conference on Computational Linguistics(COLING), Nantes France,1992:539-545.
[6] Cimiano P, Hotho A, Staab S. Learning Concept Hierarchies from Text Corpora Using Formal Concept Analysis[J]. Journal of Artificial Intelligence Research(JAIR), 2005(24):305-339.
[7] Yamaguchi T. Acquiring Conceptual Relationships from Domain-specific Texts[C]. In: Proceedings of the IJCAI Workshop on Ontology Learning, Seatle USA. 2001.
[8] Heyer G, Lauter M, Quasthoff U,et al. Learning Relations using Collocations[C]. In: Proceeding of the IJCAI Workshop on Ontology Learning, Seatle USA. 2001:19-24.
[9] Ciaramita M, Gangemi A, Ratsch E, et al. Unsupervised Learning of Semantic Relationships between Concepts of A Molecular Biology Ontology[C]. In: Proceedings of the 19th International Joint Conference on Artificial Intelligence(IJCAI), Edinburgh, Scotland UK, 2005: 659-664.
[10] Schutz A, Buitelaar P. RelExt: A Tool for Relation Extraction from Text in Ontology Extension[C]. In: Proceedings of the International Semantic Web Conference, Galway Ireland 2005:593-606.

[1] 黄名选,卢守东,徐辉. 基于加权关联模式挖掘与规则后件扩展的跨语言信息检索 *[J]. 数据分析与知识发现, 2019, 3(9): 77-87.
[2] 胡佳慧,方安,赵琬清,杨晨柳,任慧玲. 面向知识发现的中文电子病历标注方法研究 *[J]. 数据分析与知识发现, 2019, 3(7): 123-132.
[3] 吴粤敏,丁港归,胡滨. 基于注意力机制的农业金融文本关系抽取研究*[J]. 数据分析与知识发现, 2019, 3(5): 86-92.
[4] 唐慧慧, 王昊, 张紫玄, 王雪颖. 基于汉字标注的中文历史事件名抽取研究*[J]. 数据分析与知识发现, 2018, 2(7): 89-100.
[5] 张琴, 郭红梅, 张智雄. 融合词嵌入表示特征的实体关系抽取方法研究*[J]. 数据分析与知识发现, 2017, 1(9): 8-15.
[6] 杨春雷. 面向语用消歧的量化约束条件系统: 从语言学设计到计算实现*[J]. 数据分析与知识发现, 2017, 1(11): 1-11.
[7] 杨春雷. 基于HPSG的汉语词库和语法规则系统构建*[J]. 现代图书情报技术, 2016, 32(7-8): 129-136.
[8] 刘天祎,步一,赵丹群,黄文彬. 自动引文摘要研究述评[J]. 现代图书情报技术, 2016, 32(5): 1-8.
[9] 李湘东,刘康,丁丛,高凡. 基于《知网》的多种类型文献混合自动分类研究*[J]. 现代图书情报技术, 2016, 32(2): 59-66.
[10] 朱惠,杨建林,王昊. 中文领域专业术语层次关系构建研究*[J]. 现代图书情报技术, 2016, 32(1): 73-80.
[11] 高峰, 熊晶, 刘永革. 基于知网的甲骨卜辞释义问题的可拓性研究[J]. 现代图书情报技术, 2015, 31(7-8): 58-64.
[12] 李湘东, 曹环, 丁丛, 黄莉. 利用《知网》和领域关键词集扩展方法的短文本分类研究[J]. 现代图书情报技术, 2015, 31(2): 31-38.
[13] 刘怀亮, 杜坤, 秦春秀. 基于知网语义相似度的中文文本分类研究[J]. 现代图书情报技术, 2015, 31(2): 39-45.
[14] 彭浩, 徐健, 肖卓. 基于比较句的网络用户评论情感分析[J]. 现代图书情报技术, 2015, 31(12): 48-56.
[15] 杨春雷, Dan Flickinger. 汉构:面向深层语言处理的语法工程[J]. 现代图书情报技术, 2014, 30(3): 57-64.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn