基于本体的军备情报抽取系统的设计与实现*

doi:10.11925/infotech.1003-3513.2010.01.15

现代图书情报技术

2010, Vol. 26

Issue (1): 83-87 https://doi.org/10.11925/infotech.1003-3513.2010.01.15

应用实践

本期目录 | 过刊浏览 | 高级检索

基于本体的军备情报抽取系统的设计与实现*

高文利

（湖南涉外经济学院文学部长沙 410205）

The System of Arms Information Extraction Based on Ontology

Gao Wenli

(College of Liberal Arts，Hunan International Economics University, Changsha 410205, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (753 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

基于本体的军备情报抽取系统主要由两部分构成：知识库和处理程序。该系统基于文本分类技术实现武器类别判定，基于命名实体识别技术实现武器对象判定。依据句法语义约束所形成的信息抽取规则，实现军备情报抽取，并依据本体在一定程度上实现语义层面上的信息整合。

	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
	高文利

关键词 ：本体, 信息抽取, 信息整合

Abstract：

The system of arms information extraction based on Ontology consists of two parts: knowledge base and processing subsystem. It realizes the arms category determination based on text categorization, and the arms object determination based on named entity recognition. According to information extraction rules based on syntax and semantic constraint，it implements the information integration based on the Ontology in semantic level to some extent.

Key words： Ontology Information extraction Information integration

收稿日期: 2009-12-29 出版日期: 2001-01-25

TP391

基金资助:

*本文系湖南省教育厅基金项目“基于关键词驱动的军备情报抽取整合方法研究”（项目编号： 09C607）的研究成果之一。

通讯作者: 高文利 E-mail: g.wl@163.com

作者简介: 高文利

引用本文:

高文利. 基于本体的军备情报抽取系统的设计与实现*[J]. 现代图书情报技术, 2010, 26(1): 83-87.
Gao Wenli. The System of Arms Information Extraction Based on Ontology. New Technology of Library and Information Service, 2010, 26(1): 83-87.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.01.15 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I1/83

［1］邓尚民，孙玉伟.信息抽取系统的研究现状［J］.现代图书情报技术，2006（3）：55-58.
［2］李保利，陈玉忠，俞士汶.信息抽取研究综述［J］.计算机工程与应用，2003,39（10）：1-6.
［3］吴平博.基于事件框架的主题相关文档智能检索的初步研究［D］.北京：清华大学，2003.
［4］姜吉发.一种跨语句汉语事件信息抽取方法［J］.计算机工程，2005，31(2):27-29.
［5］杨尔弘.突发事件信息提取研究［D］.北京：北京语言大学，2005.
［6］郑家恒，王兴义，李飞.信息抽取模式自动生成方法的研究［J］.中文信息学报，2004，18（1）：48-54.
［7］李保利.汉语新闻报道中的话题跟踪与识别研究［D］.北京：北京大学，2003.
［8］高文利，高元先.基于三数组Trie索引树词典查询机制的分词系统［J］.情报杂志，2009，28（2）：69-71.
［9］高文利.IERDL-基于关键词驱动的信息抽取系统的规则描述语言［J］.教育技术导刊，2009（10）：67-69.

[1]	谭荧, 唐亦非. 基于指代消解的引文内容抽取研究^*[J]. 数据分析与知识发现, 2021, 5(8): 25-33.
[2]	盛姝, 黄奇, 杨洋, 解绮雯, 秦新国. HL7 FHIR框架下中国医疗领域信息交换研究与解决方案[J]. 数据分析与知识发现, 2021, 5(11): 13-28.
[3]	曾桢,李纲,毛进,陈璟浩. 区域公共安全数据治理与业务领域本体研究^*[J]. 数据分析与知识发现, 2020, 4(9): 41-55.
[4]	陶玥,余丽,张润杰. 科技文献中短语级主题抽取的主动学习方法研究^*[J]. 数据分析与知识发现, 2020, 4(10): 134-143.
[5]	强韶华,罗云鹿,李玉鹏,吴鹏. 基于RBR和CBR的金融事件本体推理研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 94-104.
[6]	邓诗琦,洪亮. *面向智能应用的领域本体构建研究^——以反电话诈骗领域为例**[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[7]	刘志强,都云程,施水才. 基于改进的隐马尔科夫模型的网页新闻关键信息抽取^*[J]. 数据分析与知识发现, 2019, 3(3): 120-128.
[8]	高广尚. 用户画像构建方法研究综述^*[J]. 数据分析与知识发现, 2019, 3(3): 25-35.
[9]	章成志,李铮. 基于学术论文全文的创新研究评价句抽取研究 ^*[J]. 数据分析与知识发现, 2019, 3(10): 12-18.
[10]	王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究^*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[11]	何有世, 何述芳. 基于领域本体的产品网络口碑信息多层次细粒度情感挖掘^*[J]. 数据分析与知识发现, 2018, 2(8): 60-68.
[12]	牟冬梅, 金姗, 琚沅红. 基于文献数据的疾病与基因关联关系研究^*[J]. 数据分析与知识发现, 2018, 2(8): 98-106.
[13]	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.
[14]	庞贝贝, 苟娟琼, 穆文歆. 面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究^*[J]. 数据分析与知识发现, 2018, 2(6): 92-101.
[15]	丁晟春, 刘梦露, 傅柱. 概念设计中基于知识流的多维设计知识统一建模技术研究^*[J]. 数据分析与知识发现, 2018, 2(2): 11-19.

Viewed

Full text

Abstract

Cited

Shared

Discussed