[发明专利]一种基于Web信息的本体概念属性学习方法

摘要

本发明涉及本体学习领域，特别涉及到基于Web信息的本体概念属性学习方法。本发明的技术方案是以Web作为语料库，构建语言模式并作为Google搜索引擎的查询集合，进行网页片段和对应的源网址URL提取，以构建候选概念属性词库；根据候选词的URL构建文本集作为LDA的输入，采用Gibbs抽样的方法来获取LDA模型的训练参数，根据LDA模型的运行结果修剪和合并属性候选库，确立最终的概念属性词集。本发明能够更加准确有效地获取本体中的概念属性集合，从而使得自动或半自动构建本体成为可能。

主权项

一种基于Web信息的本体概念属性学习方法，其特征在于，包括如下步骤：(1)词汇‑句法模式集的构建：根据已有的基本语言模式集，利用词汇‑语义模式构建并合并表示包含关系的动词形式扩充模式集，最终建立表达概念属性的模式集，作为候选概念属性抽取算法输入的一部分；(2)候选概念属性库的构建：以Google搜素引擎作为Web数据来源，首先构建语言模式集，作为Google的查询输入，提取对应的网页查询片段集合和源网址URL集合；然后根据查询得到的网页片段，根据词频统计获得候选属性词，经过筛选就得到候选概念属性词集；(3)文本集的构建：根据候选词库中的属性词，保留其对应的源网址URL并进行网页提取；对提取的网页文档集合，采用Apache的开源工具OpenNLP作文本预处理，用OpenNLP作词性标注；(4)LDA修剪合并概念属性集：根据输入的文本集，结合Gibbs抽样参数估计的结果，运行LDA模型；根据LDA模型多次迭代的提取结果修剪和合并候选概念属性词库，得到最终的概念属性集合。