基于領(lǐng)域本體的XML語義信息抽取的研究與實(shí)現(xiàn).pdf

1、XML(可擴(kuò)展標(biāo)記語言)作為W3C數(shù)據(jù)描述和交換的標(biāo)準(zhǔn)格式語言，已經(jīng)得到了廣泛的應(yīng)用，不論是Semantic Web還是WebServices都采用XML作為其數(shù)據(jù)表示和數(shù)據(jù)交換的標(biāo)準(zhǔn)格式。XML已經(jīng)發(fā)展成為信息應(yīng)用等領(lǐng)域數(shù)據(jù)表示與數(shù)據(jù)交換的主要媒介。但是，XML本身只能表達(dá)數(shù)據(jù)的語法，而不能表示形式化的語義。隱含在XML文檔中的語義信息只對人們來說有較大意義，而計(jì)算機(jī)卻難以理解。要實(shí)現(xiàn)計(jì)算機(jī)的對文檔信息的理解和自動(dòng)處理，文檔數(shù)據(jù)中必須

2、包含明確的語義級信息。 本文針對這個(gè)問題，提出了基于領(lǐng)域本體實(shí)現(xiàn)對XML的語義信息抽取的方法，包含了二大部分內(nèi)容，領(lǐng)域本體的構(gòu)建和基于領(lǐng)域本體的XML語義信息抽取。 在領(lǐng)域本體構(gòu)建部分，對比研究了領(lǐng)域本體構(gòu)建工具和構(gòu)建方法，并對構(gòu)建方法做了新的探討，提出了一種本體構(gòu)建的原型迭代法，把軟件工程學(xué)中的基于軟件生命周期模型的迭代模型，引入到本體構(gòu)建過程中來。本文結(jié)合在工作室參與研究的項(xiàng)目，構(gòu)建了水運(yùn)規(guī)費(fèi)征稽的領(lǐng)域本體。為了減輕

3、本體構(gòu)建的工作量，本文借助了斯坦福大學(xué)開發(fā)的Protege本體構(gòu)建工具和漢堡大學(xué)開發(fā)的Race推理機(jī)作為本體驗(yàn)證工具。 在基于領(lǐng)域本體的XML語義信息抽取部分，本文設(shè)計(jì)了基于領(lǐng)域本體的XML語義信息抽取模型，包含本體導(dǎo)入解析模塊，導(dǎo)入XML數(shù)據(jù)源模塊，語義標(biāo)注XML元數(shù)據(jù)模塊和XML語義信息抽取模塊，并對這四個(gè)模塊的實(shí)現(xiàn)做了詳細(xì)分析。在深入研究了XML樹模型和RDF圖模型的基礎(chǔ)上，本文提出了XML到RDF的抽取算法，并通過XTR