发明名称 |
一种基于机器学的本体实例学方法 |
摘要 |
本发明属于一种自然语言处理和本体学技术领域,涉及一种基于机器学的本体实例学方法,包括:对文档进行预处理后,进行标注语料;选取包括词特征、词性特征、词和词性特征的组合特征在内的各种特征,将语料及待识别的文本转换为特征向量的形式;进行最大熵模型训练,利用标注好的语料训练最大熵模型的参数,得到最大熵分类器;利用最大熵分类器进行实例抽取。本发明可以快速、有效地从大量文本中学本体的实例。 |
申请公布号 |
CN102662923A |
申请公布日期 |
2012.09.12 |
申请号 |
CN201210121839.1 |
申请日期 |
2012.04.23 |
申请人 |
天津大学 |
发明人 |
张萌;王文俊 |
分类号 |
G06F17/21(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06F17/21(2006.01)I |
代理机构 |
天津市北洋有限责任专利代理事务所 12201 |
代理人 |
程毓英 |
主权项 |
一种基于机器学习的本体实例学习方法,用于从文本中识别出属于本体实例的词语,并对其分类,包括下列步骤:(1)文档预处理:提取正文部分作为后续步骤的输入;(2)文本预处理:对提取出的正文进行分词、分句处理,形成标注了词性的文本集;(3)标注语料:对标注了词性的文本集进行人工标注,在属于本体实例的词语的后面加上类型标签,形成标注文本,即语料;(4)特征选择:选取包括词特征、词性特征、词和词性特征的组合特征在内的各种特征,将语料及待识别的文本转换为特征向量的形式;(5)最大熵模型训练。建立最大熵模型,利用标注好的语料训练最大熵模型的参数,得到最大熵分类器;(6)利用最大熵分类器进行实例抽取:根据选择好的特征,将已经过预处理的文本处理成为分类器能够接受的形式,利用已训练好的最大熵分类器以词为单位进行实例的识别与分类,对于识别出的本体实例,选择概率值最大的类别作为其所属概念类别的最终结果,实现实例抽取。 |
地址 |
300072 天津市南开区卫津路92号 |