基于本體的領(lǐng)域信息采集及其應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)在最近二十年內(nèi)的高速發(fā)展，人們?cè)絹碓蕉嗟膹幕ヂ?lián)網(wǎng)上獲取知識(shí)，互聯(lián)網(wǎng)的知識(shí)大多以網(wǎng)頁的形式為人們提供知識(shí)，這非常方便人們進(jìn)行獲取。而如何從浩瀚的互聯(lián)網(wǎng)信息中準(zhǔn)確而有效的獲取知識(shí)，這就需要用到網(wǎng)頁信息抽取技術(shù)，Web網(wǎng)頁抽取技術(shù)可以將網(wǎng)頁上展現(xiàn)的信息按一定規(guī)則提取出來。需要注意的是，Web網(wǎng)頁抽取技術(shù)所面向的并不是純粹的文本數(shù)據(jù)，而是半結(jié)構(gòu)化的網(wǎng)頁數(shù)據(jù)。
　　本體(Ontology)是一個(gè)用于描述領(lǐng)域內(nèi)通用知識(shí)的哲學(xué)概念，它

2、的基本定義是“特定領(lǐng)域內(nèi)概念以及概念之間關(guān)系的集合”，本體非常適合做領(lǐng)域知識(shí)的語義模型，本體應(yīng)用的基礎(chǔ)是本體構(gòu)建，近年來受到了學(xué)術(shù)界的廣泛研究，其需要領(lǐng)域?qū)＜业膮⑴c，對(duì)大量領(lǐng)域內(nèi)的概念、知識(shí)及實(shí)例進(jìn)行規(guī)范的組織，這將耗費(fèi)大量的時(shí)間和精力。當(dāng)前維基百科類的信息展現(xiàn)類資源在網(wǎng)絡(luò)上非常豐富，本文將網(wǎng)絡(luò)領(lǐng)域信息提取與本體相結(jié)合，提出了基于本體的領(lǐng)域信息采集方法，將領(lǐng)域內(nèi)的大量實(shí)例及其對(duì)應(yīng)關(guān)系能半自動(dòng)化的存儲(chǔ)于本體，實(shí)現(xiàn)本體的便捷構(gòu)建和領(lǐng)域信息的

3、采集存儲(chǔ)。
　　本文應(yīng)用基于本體的領(lǐng)域信息采集方式，采集了電影領(lǐng)域相關(guān)知識(shí)，利用Protégé進(jìn)行本體的結(jié)構(gòu)建設(shè)，對(duì)豆瓣電影網(wǎng)站的數(shù)據(jù)進(jìn)行了獲取，并通過Jena Api的方式將數(shù)據(jù)融入本體，應(yīng)用 Jess設(shè)定規(guī)則進(jìn)行推理，豐富本體的知識(shí)集，最后應(yīng)用電影本體完成了電影領(lǐng)域信息展現(xiàn)系統(tǒng)。
　　通過電影本體來存儲(chǔ)電影領(lǐng)域知識(shí)，可以有效地將各個(gè)不同源的電影數(shù)據(jù)很好的整合在一起，同時(shí)豆瓣網(wǎng)站上所展現(xiàn)出來的數(shù)據(jù)僅僅是一些表象的數(shù)據(jù)，本文