[发明专利]一种基于Topic Model的本体构建方法

摘要

本发明提供的一种基于Topic Model的本体构建方法。本发明提出了AOL方法，该方法支持自动的领域本体构建，发明了一种信息的计算概念之间语义相似性的度量方法，用来计算LDA模型产生的概念之间的语义相似性，AOL方法不限制根节点的子节点数量，不需要有种子本体作为初始学习本体的辅助。实验结果表明，本发明提出的利用Topic Model进行自动本体构建的方法是非常有效的。

主权项

一种基于Topic Model的本体构建方法，其特征在于，包括以下步骤：第一步、利用LDA模型从给定的文献语料库中进行概念抽取，由抽取到的概念产生出概念集合，然后进行概念层次细分产生本体构建的层次结构G，G＝{T，E}，式中，T＝{t1，t2，…，tm}是概念集合，定义为上层概念集合；T’＝{t1’，t2’，...，tm’}是子概念集合，定义为上层概念集合T的下一层概念集合；E是边的集合，每个eij∈E表示概念集合T中的第i个概念ti与子概念集合T’中第j个概念tj’有边相连；第二步、利用CosTMI相似性度量方法，识别层次结构G中各个概念之间的相似性，即相邻层次间概念的潜在联系，其中，上层概念集合T中第p个概念tp与概念tp的上下文中，下一层概念集合T’中第s个概念ts’和第r个概念tr’两个概念的语义相似度CosTMI(ts′，tr′；tp)CosTMI(ts′,tr′;tp)=Σi=1nPMI(ws′i,wpi)PMI(wr′i,wpi)Σi=1nPMI(ws′i,wpi)2Σi=1nPMI(wr′i,wpi)2]]>式中，tp包含词汇序列{wp1，wp2，...，wpn}；ts’包含词汇序列{ws′1，ws′2，...，ws’n}；tr’包含词汇序列{wr′1，wr′2，...，wr’n}；PMI()是两个词汇的点互信息，两个词汇w与w’的点互信息为PMI(w，w’)，则有：式中，P(w，w’)＝P(w)P(w′|w)；式中，z是主题，P(z＝j)是主题为j时的概率，P(w|z＝j)是主题为j时，词汇w的条件概率，k是概念的数量；式中，P(w′|z＝j)是主题为j时候w’的条件概率，P(z＝j|w)是词汇为w时，主题j的条件概率。